基于残差块并结合积分回归的多标签分类与定位网络用于椎骨标注

在CT扫描中准确识别与定位椎骨是临床脊柱诊断与治疗的关鍵且标准的预处理步骤。现有方法主要基于多个神经网络的集成，且多数使用高斯热图来定位椎骨质心。然而，利用热图获取椎骨质心坐标的过程是不可微的，因此无法训练网络直接标注椎骨。为此，为实现CT扫描上椎骨坐标的端到端可微训练，本研究提出了一种鲁棒且准确的自动椎骨标注算法。首先，提出了一种新颖的基于残差的多标签分类与定位网络，其既能捕获多尺度特征，又能利用残差模块与跳跃连接融合多级特征。其次，为解决坐标求解过程不可微且空间结构不可破坏的问题，在定位网络中采用积分回归模块。该模块结合了热图表示与直接回归坐标的优点，实现了端到端训练，并可兼容任何基于热图的医学图像关键点检测方法。最后，进行椎骨的多标签分类，利用双向长短期记忆网络(Bi-LSTM)增强对长上下文信息的学习以提升分类性能。所提方法在一个具有挑战性的数据集上进行了评估，结果显著优于当前最优方法(平均定位误差<3mm)。