从图像到指标：量化膝关节软骨形态和损伤
图像与视频处理
2024-09-12 v1 计算机视觉与模式识别
摘要
膝关节软骨的影像特征已被证明是膝关节骨关节炎的潜在影像生物标志物。尽管近期在图像分析技术方面，如图像分割、配准和领域特定图像计算算法方面取得了方法学上的进步，但仅有少数研究致力于构建用于影像特征提取的全自动管道。本研究开发了一个基于深度学习的医学图像分析应用程序，用于膝关节软骨形态测量，称为CartiMorph工具箱(CMT)。我们提出了一种两阶段联合模板学习和配准网络CMT-reg。我们使用OAI-ZIB数据集训练该模型，并评估其在模板到图像配准中的性能。CMT-reg在与其他最先进模型的比较结果方面表现出竞争力。我们将该模型集成到用于软骨形态和损伤(特别是全层软骨损失)量化的自动化管道中。该工具箱为医学图像分析和数据可视化提供了全面、用户友好的解决方案。软件和模型均可在https://github.com/YongchengYAO/CMT-AMAI24paper 上获取。
引用
@article{arxiv.2409.07361,
title = {Quantifying Knee Cartilage Shape and Lesion: From Image to Metrics},
author = {Yongcheng Yao and Weitian Chen},
journal= {arXiv preprint arXiv:2409.07361},
year = {2024}
}
备注
The paper will be in the conference proceedings of AMAI 2024. See the conference website: https://sites.google.com/view/amai2024/home