SpineCLUE：基于对比学习和不确定性估计的自动椎骨识别
计算机视觉与模式识别
2024-01-17 v1 人工智能
摘要
任意视野中的椎骨识别在脊柱疾病诊断中起着关键作用。大多数脊柱CT仅包含局部区域，如颈部、胸部和腹部。因此，识别不应依赖于特定的椎骨或可见的特定椎骨数量。现有的脊柱级方法无法应对这一挑战。在本文中，我们提出了一种三阶段方法来解决三维CT椎骨识别在椎骨级上的挑战。通过依次执行椎骨定位、分割和识别任务，椎骨的解剖先验信息在整个过程中得到有效利用。具体来说，我们引入了一种双因子密度聚类算法来获取单个椎骨的定位信息，从而促进后续的分割和识别过程。此外，为了解决类间相似性和类内变异性的问题，我们使用监督对比学习方法预训练了识别网络。为了进一步优化识别结果，我们估计了分类网络的不确定性，并利用消息融合模块结合不确定性分数，同时聚合脊柱的全局信息。我们的方法在VerSe19和VerSe20挑战基准上取得了最先进的结果。此外，我们的方法在包含多种异常病例的收集数据集上表现出出色的泛化性能。
引用
@article{arxiv.2401.07271,
title = {SpineCLUE: Automatic Vertebrae Identification Using Contrastive Learning and Uncertainty Estimation},
author = {Sheng Zhang and Minheng Chen and Junxian Wu and Ziyue Zhang and Tonglong Li and Cheng Xue and Youyong Kong},
journal= {arXiv preprint arXiv:2401.07271},
year = {2024}
}