基于图像分割与自监督学习的腕手 X 光片骨质疏松预测
图像与视频处理
2023-11-14 v1 计算机视觉与模式识别
摘要
骨质疏松是一种广泛流行的慢性代谢性骨病，由于双能 X 线吸收测定法（DXA）等骨密度（BMD）检测手段可及性有限，常未被诊断和医治。为应对这一挑战，当前进展正转向通过检查外周骨区域的替代指标来检测骨质疏松，旨在不增加费用或时间的情况下提高筛查率。在本文中，我们提出一种利用手部和腕部 X 光图像预测骨质疏松的方法，这些图像既广泛可得又经济，尽管其与基于 DXA 的数据关联尚未被充分探索。最初，我们的方法使用图像分割基础模型分割尺骨、桡骨和掌骨。然后，我们采用自监督学习方法提取有意义表征而无需显式标签，并进而以监督方式分类骨质疏松。我们的方法在一个包含 192 人的数据集上评估，将其经核实的骨质疏松状况与标准 DXA 检测交叉比对。凭借显著的分类分数（AUC=0.83），我们的模型代表了利用基于视觉的技术从外周骨骼部位识别骨质疏松的开创性努力。
引用
@article{arxiv.2311.06834,
title = {Osteoporosis Prediction from Hand and Wrist X-rays using Image Segmentation and Self-Supervised Learning},
author = {Hyungeun Lee and Ung Hwang and Seungwon Yu and Chang-Hun Lee and Kijung Yoon},
journal= {arXiv preprint arXiv:2311.06834},
year = {2023}
}
备注
Extended Abstract presented at Machine Learning for Health (ML4H) symposium 2023, December 10th, 2023, New Orleans, United States, 10 pages