弱监督通用骨折检测在骨盆 X 光片中的应用
计算机视觉与模式识别
2020-07-14 v1
摘要
髋部和骨盆骨折是伴有危及生命并发症的严重损伤。然而，骨盆 X 光片（PXRs）中骨折的诊断错误非常常见，推动了对计算机辅助诊断（CAD）方案的需求。一大挑战在于骨折是需局部分析的局部模式。遗憾的是，医院影像归档与通信系统中的 PXRs 通常不指定感兴趣区域。本文提出一种两阶段髋部和骨盆骨折检测方法，利用弱监督 ROI 挖掘执行局部骨折分类。第一阶段在多重实例学习设定下使用大容量全卷积网络（即深且抽象层级高）从训练数据整张 PXR 中自动挖掘可能真阳性与确定难负样本 ROI。第二阶段用挖掘的 ROI 训练小容量模型（即较浅且更具泛化性）执行局部分析以分类骨折。推理时，我们的方法将两阶段概率输出串联，一次性检测髋部和骨盆骨折。我们在 4,410 张 PXRs 上评估方法，报告 ROC 曲线下面积为 0.975，为当前最优骨折检测方法中的最高值。此外，在一项 23 名读者的初步阅片研究中，我们显示两阶段方法可与人类医师相当（甚至优于急诊医师与外科医师）。
引用
@article{arxiv.1909.02077,
title = {Weakly Supervised Universal Fracture Detection in Pelvic X-rays},
author = {Yirui Wang and Le Lu and Chi-Tung Cheng and Dakai Jin and Adam P. Harrison and Jing Xiao and Chien-Hung Liao and Shun Miao},
journal= {arXiv preprint arXiv:1909.02077},
year = {2020}
}
备注
MICCAI 2019 (early accept)