基于半监督学习的髋部 X 射线图像骨密度估计
图像与视频处理
2021-05-21 v2 计算机视觉与模式识别
摘要
骨密度（BMD）是临床上判断骨质疏松的关键指标，通常通过双能 X 射线吸收测定法（DEXA）测量。由于 DEXA 设备与检查的可及性有限，骨质疏松常被漏诊和欠治疗，导致脆性骨折风险增加。因此，非常期望利用更具成本效益且更易获取的其他医学影像检查（如 X 射线平片）来获得 BMD。本工作中，我们将基于髋部 X 射线平片的 BMD 估计建模为回归问题。具体而言，我们提出了一种新的半监督自训练算法，利用配有 DEXA 实测 BMD 的图像以及带有伪 BMD 的未标注图像来训练 BMD 回归模型。在自训练过程中，未标注图像的伪 BMD 被迭代生成并精炼。我们还提出了一种新颖的自适应三元组损失以提升模型的回归精度。在一个包含 1,090 张图像（819 名唯一患者）的院内数据集上，我们的 BMD 估计方法与真实 BMD 的皮尔逊相关系数高达 0.8805。该方法为使用更易获取且更廉价的 X 射线成像进行机会性骨质疏松筛查提供了良好的可行性。
引用
@article{arxiv.2103.13482,
title = {Semi-Supervised Learning for Bone Mineral Density Estimation in Hip X-ray Images},
author = {Kang Zheng and Yirui Wang and Xiaoyun Zhou and Fakai Wang and Le Lu and Chihung Lin and Lingyun Huang and Guotong Xie and Jing Xiao and Chang-Fu Kuo and Shun Miao},
journal= {arXiv preprint arXiv:2103.13482},
year = {2021}
}