利用辅助分类进行肋骨骨折分割

胸部创伤常导致肋骨骨折，需要迅速准确的诊断以进行有效治疗。然而，在肋骨 CT 扫描中检测这些骨折面临相当大的挑战，涉及对大量图像切片的序列分析。尽管自动骨折分割算法取得了显著进展，但骨折形状和大小的多样性带来了持续存在的挑战。为了解决这些问题，本研究引入了一种带有辅助分类任务的深度学习模型，旨在提高肋骨骨折分割的准确性。该辅助分类任务对于区分骨折肋骨与阴性区域（包括未骨折的肋骨和周围组织）至关重要，其判别基于从 CT 扫描中获取的图像块。通过利用该辅助任务，该模型旨在通过突出感兴趣区域来改善瓶颈层的特征表示。在 RibFrac 数据集上的实验结果表明，分割性能有显著提升。