VertXNet：基于脊柱 X 射线图像的腰椎与颈椎自动分割与识别
图像与视频处理
2022-07-13 v1 计算机视觉与模式识别
摘要
由于骨骼形状复杂和图像质量变化，在脊柱 X 射线影像上手动标注椎体既昂贵又耗时。在本研究中，我们通过提出一种称为 VertXNet 的集成方法来应对这一挑战，以自动分割和标记 X 射线脊柱图像中的椎体。VertXNet 结合了两种最先进的分割模型，即 U-Net 和 Mask R-CNN，以改进椎体分割。VertXNet 的一个主要特征是利用其 Mask R-CNN 组件（训练用于检测“参考”椎体）在给定脊柱 X 射线图像上推断椎体标签。VertXNet 在一项针对强直性脊柱炎（AS）患者的侧位颈椎和腰椎 X 射线影像的院内数据集上进行了评估。我们的结果表明，VertXNet 能够准确标记脊柱 X 射线（平均 Dice 系数为 0.9）。它可用于规避标注椎体的缺失，而无需人类专家审查。这一步骤对于通过解决分割缺失这一大多数计算成像项目的常见瓶颈来研究临床关联至关重要。
引用
@article{arxiv.2207.05476,
title = {VertXNet: Automatic Segmentation and Identification of Lumbar and Cervical Vertebrae from Spinal X-ray Images},
author = {Yao Chen and Yuanhan Mo and Aimee Readie and Gregory Ligozio and Thibaud Coroller and Bartlomiej W. Papiez},
journal= {arXiv preprint arXiv:2207.05476},
year = {2022}
}