基于同步节点与边预测的图神经网络实现鲁棒椎骨识别
图像与视频处理
2023-08-08 v1 计算机视觉与模式识别
机器学习
摘要
在 CT 扫描中自动定位与识别椎骨对众多临床应用十分重要。该课题已取得诸多进展，但大多聚焦于椎骨的位置定位，忽略其朝向。此外，多数方法在流程中采用启发式策略，在常含异常的真实临床图像中较为敏感。我们提出一种简洁流程：先以标准 U-Net 进行预测，随后使用单个图神经网络关联并分类具有完整朝向的椎骨。为测试方法，我们引入一个新的椎骨数据集，其中包含与椎体关联的椎弓根检测，从而构成更具挑战性的关键点预测、关联与分类任务。我们的方法能在简洁、完全可训练的流程中准确关联正确的椎体与椎弓根关键点、忽略假阳性并分类椎骨，避免了针对应用的启发式策略。我们表明该方法优于匈牙利匹配与隐马尔可夫模型等传统方法，并在标准 VerSe 挑战的椎体识别任务上取得有竞争力的性能。
引用
@article{arxiv.2308.02509,
title = {Robust vertebra identification using simultaneous node and edge predicting Graph Neural Networks},
author = {Vincent Bürgin and Raphael Prevost and Marijn F. Stollenga},
journal= {arXiv preprint arXiv:2308.02509},
year = {2023}
}
备注
13 pages, 4 figures