基于胸部 X 射线图像的腰椎骨密度估计：解剖感知的注意力多 ROI 建模
图像与视频处理
2022-06-13 v2 计算机视觉与模式识别
摘要
骨质疏松症是一种常见的慢性代谢性骨病，由于骨密度（BMD）检查（例如通过双能 X 射线吸收测定法（DXA））可及性有限，常常被漏诊和欠治疗。本文提出一种从胸部 X 射线（CXR）预测 BMD 的方法，CXR 是最易获取且低成本的医学影像检查之一。我们的方法首先自动检测局部 CXR 骨结构的目标区域（ROI）。然后开发了一个带有 transformer 编码器的多 ROI 深度模型，以利用胸部 X 射线图像中的局部和全局信息进行准确的 BMD 估计。我们的方法在 13719 例具有 DXA 金标准测量的真实 BMD 的 CXR 患者病例上进行评估。模型预测的 BMD 与真实值具有强相关性（腰椎 1 的 Pearson 相关系数为 0.894）。应用于骨质疏松筛查时，其实现了高分类性能（平均 AUC 为 0.968）。作为利用 CXR 扫描预测 BMD 的首次尝试，所提出的算法在早期骨质疏松筛查和公共卫生促进方面具有强大潜力。
引用
@article{arxiv.2201.01838,
title = {Lumbar Bone Mineral Density Estimation from Chest X-ray Images: Anatomy-aware Attentive Multi-ROI Modeling},
author = {Fakai Wang and Kang Zheng and Le Lu and Jing Xiao and Min Wu and Chang-Fu Kuo and Shun Miao},
journal= {arXiv preprint arXiv:2201.01838},
year = {2022}
}