在2D笔触中追踪3D解剖结构：一种用于颈椎骨折识别的多阶段投影驱动方法

颈椎骨折需要快速准确的诊断以进行有效的临床管理。本研究提出了一种跨颈椎（C1--C7）骨折检测的自动化端到端流水线，通过评估从融合的正交2D分割中提取的估计3D掩码所衍生的椎体级兴趣体积来评估骨折识别的可行性。与传统的3D方法不同，我们的方法通过优化的2D轴位、矢状位和冠状位投影来近似3D体积，以降低中间预处理步骤的输入维度，同时保持下游骨折分类的高诊断性能。首先，使用 YOLOv8 检测器从多视图方差投影中定位脊柱感兴趣区域，实现了 94.45% 的3D平均交并比。接着，在基于能量的矢状位和冠状位投影上使用 DenseNet121-Unet 架构进行多标签椎体分割，获得了 87.86% 的平均 Dice 系数。然后将正交2D掩码融合以重建每个椎体的估计3D掩码，用于从原始 CT 中提取兴趣体积。随后，使用 2.5D 空间序列 CNN-Transformer 模型的集成对这些提取的椎体体积进行骨折分析，椎体级和患者级的 F1 分数分别为 68.15 和 82.26，受试者工作特征曲线下面积分数分别为 91.62 和 83.04。该框架还通过使用显著性图可视化的可解释性研究和观察者间变异性分析进行了进一步验证。总体而言，结果表明这种基于投影的策略提供了与放射科专家相当的临床相关性能，同时降低了中间阶段的维度，支持了其实际部署的潜力。