胸部X射线图像中的肋骨细分基于无监督域适应的X射线图像
Jialin Zhao1, Ziwei Nie1, Jie Shen2
1Department of Mathematics, Nanjing University, Nanjing 210093, People's Republic of China.
Biomedical physics & engineering express
|December 17, 2023
概括
这项研究引入了一种新的跨模式方法,用于在2D胸部X射线中进行肋骨细分,使用无监督域适应. 该方法利用3D CT图像标签来实现准确的细分,而不需要2D X射线注释.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 2D胸部X射线广泛使用,但由于解剖复杂性和文物,对准确的肋骨细分具有挑战性.
- 当前的深度学习方法需要广泛的像素级注释,对于胸部X射线来说很难获得.
- 现有的方法经常在骨折肋骨预测和后处理方面扎.
研究的目的:
- 为2D胸部X射线图像开发一种高效准确的肋骨分割方法.
- 克服当前肋骨细分技术中数据注释和后处理的局限性.
- 提出利用3DCT数据的跨模式方法来指导2DX射线细分.
主要方法:
- 提出了一种基于无监督域调整的新型交叉模式方法.
- 整合了一个中心线损失函数,以确保结果的连续性,并简化后处理.
- 数字重建放射图像和3DCT标签用于训练模型对未标记的2D胸部X射线图像进行细分.
主要成果:
- 与现有方法相比,拟议的模型在测试样本上获得了较高的Dice分数.
- 细分结果具有很高的解释性,并且不需要在二维X射线上进行手动肋骨标记.
- 该方法有效地解决了不连续性和复杂后处理的挑战.
结论:
- 开发的无监督域适应方法为2D胸部X射线中肋骨细分提供了有效和准确的解决方案.
- 这种方法显著减少了手动注释的需要,这是医学图像分析的主要瓶.
- 该方法显示了改善临床应用的潜力,需要精确的肋骨结构识别.
