使用关键点检测测量肘内侧关节间隙
计算机视觉与模式识别
2025-09-30 v3
摘要
肘内侧超声成像对于尺侧副韧带（UCL）损伤的早期诊断至关重要。具体而言，在超声图像中测量肘关节间隙用于评估由 UCL 损伤引起的肘外翻不稳。为了使该测量自动化，需要在精确标注的数据集上训练的模型；然而，迄今为止尚无公开可用的数据集。本研究引入了一个新颖的肘内侧超声数据集以测量关节间隙。该数据集包含来自 22 名受试者的 4,201 张肘内侧超声图像，并在三名骨科医生的专业知识基础上对肱骨和尺骨进行了关键点标注。我们在我们提出的数据集上使用基于热图、基于回归和基于 token 的关键点检测方法评估了关节间隙测量方法。虽然基于热图的关键点检测方法通常能达到较高精度，但它们有时会在热图上产生多个峰值，导致检测错误。为了缓解这一问题并增强关键点定位，我们提出了形状子空间（SS）关键点细化方法，通过测量检测到的关键点位置与参考关键点位置之间的几何相似性。结果表明，使用 HRNet 时的平均关节间隙测量误差为 0.116 mm。此外，SS 关键点细化在使用 HRNet 时可将关键点位置的平均绝对误差降低 0.010 mm，在使用 ViTPose 时平均降低 0.103 mm。这些结果凸显了通过精确测量关节间隙实现 UCL 损伤高精度实时诊断的潜力。最后，我们展示了使用检测到的关键点作为输入，对肱骨和尺骨进行基于点的分割。我们的数据集将在 https://github.com/Akahori000/Ultrasound-Medial-Elbow-Dataset 公开发布。
引用
@article{arxiv.2412.13010,
title = {Measurement of Medial Elbow Joint Space using Landmark Detection},
author = {Shizuka Akahori and Shotaro Teruya and Pragyan Shrestha and Yuichi Yoshii and Ryuhei Michinobu and Satoshi Iizuka and Itaru Kitahara},
journal= {arXiv preprint arXiv:2412.13010},
year = {2025}
}