层分离：常规X线摄影中可调节关节间隙宽度图像的合成
图像与视频处理
2025-02-05 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
类风湿关节炎（RA）是一种以关节炎症和进行性结构损伤为特征的慢性自身免疫性疾病。关节间隙宽度（JSW）是常规X线摄影中评估疾病进展的关键指标，已成为计算机辅助诊断（CAD）系统的研究热点。然而，基于深度学习的JSW分析放射学CAD系统面临严峻的数据质量挑战，包括数据不平衡、多样性有限和标注困难。本研究引入了一个具有挑战性的图像合成场景，并提出了层分离网络（LSN），以精确分离手指关节常规X线片中的软组织层、上骨层和下骨层。利用这些层，可以合成可调节的JSW图像，以应对数据质量挑战并实现真实值（GT）的生成。实验结果表明，基于LSN的合成图像与真实X线片高度相似，并显著提升了下游任务的性能。代码和数据集将公开。
引用
@article{arxiv.2502.01972,
title = {Layer Separation: Adjustable Joint Space Width Images Synthesis in Conventional Radiography},
author = {Haolin Wang and Yafei Ou and Prasoon Ambalathankandy and Gen Ota and Pengyu Dai and Masayuki Ikebe and Kenji Suzuki and Tamotsu Kamishima},
journal= {arXiv preprint arXiv:2502.01972},
year = {2025}
}