VertDetect：全端到端三维椎体实例分割模型
图像与视频处理
2023-11-17 v1 计算机视觉与模式识别
摘要
椎体检测与分割是脊柱外科手术和放射治疗中治疗规划的关键步骤。在未能包含全脊柱的影像中、存在解剖变异（T13和/或L6椎体）的情况下，以及存在骨折或内置物时，准确的识别与分割变得复杂。本文提出VertDetect，一种全自动端到端三维椎体实例分割卷积神经网络（CNN）模型，用于预测CT扫描中所有可见椎体的椎体节段标签与分割结果。共享CNN主干为网络的检测分支与分割分支提供包含脊柱与椎体节段信息的特征图。利用图卷积网络（GCN）层，借助已知的脊柱结构改善椎体标记。该模型在VerSe 2019公开与隐藏测试集上分别取得Dice相似系数（DSC）0.883（95% CI，0.843-0.906）和0.882（95% CI，0.835-0.909），在VerSe 2020公开与隐藏测试集上分别取得0.868（95% CI，0.834-0.890）和0.869（95% CI，0.832-0.891）。该模型在端到端架构中取得了最先进的性能，其设计便于提取可用于下游任务的特征。
引用
@article{arxiv.2311.09958,
title = {VertDetect: Fully End-to-End 3D Vertebral Instance Segmentation Model},
author = {Geoff Klein and Michael Hardisty and Cari Whyne and Anne L. Martel},
journal= {arXiv preprint arXiv:2311.09958},
year = {2023}
}
备注
Preprint