肌肉体积量化：以解剖先验引导 Transformer
计算机视觉与模式识别
2023-11-01 v1 人工智能
机器学习
摘要
肌肉体积是运动医学中有用的定量生物标志物，也可用于退行性肌肉骨骼疾病的随访。除体积外，还可通过从医学图像中分割感兴趣肌肉来提取其他形状生物标志物。尽管非常耗时，手动分割至今仍是此类测量的金标准。我们提出一种在 3D 磁共振图像上自动分割下肢 18 块肌肉的方法，以辅助此类形态计量分析。就其本质而言，不同肌肉组织在 MR 图像中无法区分。因此，肌肉分割算法不能依赖外观，只能依赖轮廓线索。然而，此类轮廓难以检测，且其厚度在受试者间存在差异。为应对上述挑战，我们提出一种基于混合架构的分割方法，结合卷积块与视觉 Transformer 块。我们首次探讨了此类混合架构在用于形状分析的肌肉分割中的行为。考虑到一致的解剖肌肉构型，我们依靠 Transformer 块捕捉肌肉间的长程关系。为进一步利用解剖先验，本工作的另一贡献在于添加基于从训练数据估计的 plausible 肌肉邻域邻接矩阵的正则化损失。我们在独特的精英运动员数据库上的实验结果表明，可从相对较小的海量体积数据库训练复杂混合模型，且解剖先验正则化有助于更好的预测。
引用
@article{arxiv.2310.20355,
title = {Muscle volume quantification: guiding transformers with anatomical priors},
author = {Louise Piecuch and Vanessa Gonzales Duque and Aurélie Sarcher and Enzo Hollville and Antoine Nordez and Giuseppe Rabita and Gaël Guilhem and Diana Mateus},
journal= {arXiv preprint arXiv:2310.20355},
year = {2023}
}