基于无监督体数据 MR-CT 合成的 MRI 脊柱侧弯三维分割
图像与视频处理
2021-03-02 v1 计算机视觉与模式识别
应用统计
摘要
从磁共振（MR）图像中分割椎骨是一项具有挑战性的任务。由于该模态固有地强调身体软组织，常见的阈值算法难以检测 MR 图像中的骨骼。另一方面，由于骨骼与周围区域间的高对比度，从 CT 图像分割骨骼相对容易。为此，我们在 MR 与 CT 域之间进行跨模态合成，以实现基于简单阈值的椎骨分割。然而，这隐含假设了配对 MR-CT 数据的可用性，而此类数据十分稀少，尤其在脊柱侧弯患者中。本文提出一种完全无监督、全三维（3D）跨模态合成方法，用于分割侧弯脊柱。我们训练一个 3D CycleGAN 模型用于 MR 与 CT 域间无配对的体到体翻译。随后，对合成的 CT 体数据应用 Otsu 阈值算法以简便分割椎骨。所得分割用于重建脊柱的三维模型。我们在 3 名患者的 28 个侧弯椎体上验证本方法，通过计算每位椎体来自术前 X 线的标志点与该椎体分割表面之间的点对面平均距离。本研究结果为 3.41 1.06 mm 的平均误差。基于定性与定量结果，我们得出结论：本方法能够在无配对数据上以无监督方式训练后，获得良好的侧弯脊柱分割与三维重建。
引用
@article{arxiv.2011.14005,
title = {Three-dimensional Segmentation of the Scoliotic Spine from MRI using Unsupervised Volume-based MR-CT Synthesis},
author = {Enamundram M. V. Naga Karthik and Catherine Laporte and Farida Cheriet},
journal= {arXiv preprint arXiv:2011.14005},
year = {2021}
}
备注
To appear in the Proceedings of the SPIE Medical Imaging Conference 2021, San Diego, CA. 9 pages, 4 figures in total