面向交互式训练与手术规划的精确股骨近端骨折分类
计算机视觉与模式识别
2020-04-28 v2
摘要
我们展示了一种基于深度学习的全自动计算机辅助诊断(CAD)工具的可行性,该工具根据AO分类在X射线图像上定位并分类股骨近端骨折。所提出的框架旨在改善患者治疗规划,并为创伤外科住院医师的培训提供支持。我们收集了1347项临床放射学研究组成的数据库。放射科医生和创伤外科医生用边界框标注所有骨折,并根据AO标准提供分类。所提出的用于将X线片分类为“A”型、“B”型和“未骨折”型的CAD工具,在骨折与未骨折病例分类时达到87%的F1分数和0.95的AUC,而在骨折与未骨折二分类时提升至94%和0.98。骨折的预先定位相对于全图分类带来了改进。100%的预测感兴趣区域中心落在人工提供的边界框内。该系统平均在10个病例中检索出9张相关图像(来自同一类别)。我们的CAD方案定位、检测并进一步分类股骨近端骨折,取得了可与专家水平和最先进性能相媲美的结果。我们的辅助定位模型在预测X线片感兴趣区域方面高度准确。我们进一步研究了若干验证策略以使其融入日常临床流程。给出了关于ROI尺寸和图像检索作为临床用例的敏感性分析。
引用
@article{arxiv.1902.01338,
title = {Precise Proximal Femur Fracture Classification for Interactive Training and Surgical Planning},
author = {Amelia Jiménez-Sánchez and Anees Kazi and Shadi Albarqouni and Chlodwig Kirchhoff and Peter Biberthaler and Nassir Navab and Sonja Kirchhoff and Diana Mateus},
journal= {arXiv preprint arXiv:1902.01338},
year = {2020}
}
备注
Accepted at IPCAI 2020 and IJCARS