面向强直性脊柱炎脊柱 X 光自动评分的研究
图像与视频处理
2023-08-11 v1 计算机视觉与模式识别
摘要
由于骨形复杂与图像质量差异，在脊柱X光影像上以改良斯托克强直性脊柱炎脊柱评分（mSASSS）手动分级结构改变成本高且耗时。本研究中，我们通过原型化一个称为VertXGradeNet的两步自动分级流程来应对该挑战，以自动预测X光脊柱影像中颈椎与腰椎椎体单元（VUs）的mSASSS评分。VertXGradeNet利用我们先前开发的VU提取流程（VertXNet）生成的VUs作为输入，并基于这些VUs预测mSASSS。VertXGradeNet在轴向脊柱关节炎患者的院内侧向颈椎与腰椎X光图像数据集上进行了评估。我们的结果表明，在数据量有限且不平衡时，VertXGradeNet仍可为每个VU预测mSASSS评分。总体而言，在两个测试数据集上，针对4种不同mSASSS评分（即0、1、2、3分）可分别达到0.56与0.51的平衡准确率。本方法的准确性显示出简化脊柱放射读片并从而降低未来临床试验成本的潜力。
引用
@article{arxiv.2308.05123,
title = {Towards Automatic Scoring of Spinal X-ray for Ankylosing Spondylitis},
author = {Yuanhan Mo and Yao Chen and Aimee Readie and Gregory Ligozio and Thibaud Coroller and Bartłomiej W. Papież},
journal= {arXiv preprint arXiv:2308.05123},
year = {2023}
}