MMA-Net：用于自动化 Cobb 角测量的多形态感知网络
图像与视频处理
2023-09-26 v1 计算机视觉与模式识别
摘要
脊柱侧弯的诊断与评估在很大程度上依赖于脊柱 X 射线图像中 Cobb 角的测量。随着采用关键点检测、倾斜预测和脊柱分割的深度学习技术的出现，自动化 Cobb 角测量日益受到关注。然而，这些方法面临噪声敏感度高、计算流程复杂以及仅依赖单一类型形态学信息等困难。本文提出多形态感知网络（MMA-Net），一种通过整合多种脊柱形态作为注意力信息来提高 Cobb 角测量精度的新框架。在 MMA-Net 中，我们首先将脊柱 X 射线图像输入分割网络以生成多种形态信息（脊柱区域、中心线和边界），然后将原始 X 射线图像与所得分割图拼接作为回归模块的输入，以执行精确的 Cobb 角测量。此外，我们分别为分割与回归网络训练设计了联合损失函数。我们在 AASCE 挑战数据集上评估了该方法，取得了 SMAPE 为 7.28% 和 MAE 为 3.18{\deg} 的优异性能，表明相较于其他优秀方法具有强劲竞争力。因此，我们能为临床医生提供自动化、高效且可靠的 Cobb 角测量。
引用
@article{arxiv.2309.13817,
title = {MMA-Net: Multiple Morphology-Aware Network for Automated Cobb Angle Measurement},
author = {Zhengxuan Qiu and Jie Yang and Jiankun Wang},
journal= {arXiv preprint arXiv:2309.13817},
year = {2023}
}