基于功能和边缘对齐的无监督域调整用于股骨X射线图像细分的股骨X射线图像细分
Xiaoming Jiang1, Yongxin Yang1, Tong Su2
1Chongqing Engineering Research Center of Medical Electronics and Information Technology, Chongqing University of Post and Telecommunications, Chongqing, China.
概括
在DXA图像中的域位移阻碍了精确的骨质疏松症诊断. 我们的多特征联合区分域适应 (MDDA) 框架改善了骨细分,以可靠地测量骨矿物质密度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 双能X射线吸收计 (DXA) 是通过测量骨矿物密度 (BMD) 来诊断骨质疏松症的黄金标准.
- 图像采集变化导致DXA图像的域移动,导致不准确的骨分割和受损的BMD测量.
- 骨细分不良是影响骨质疏松症诊断和治疗计划的一个重要因素.
研究的目的:
- 引入一个新的多功能联合歧视性域调整 (MDDA) 框架.
- 为了提高对受域转移影响的DXA图像的细分性能和深度学习网络的概括性.
- 提供一个强大的工具,用于在DXA成像中准确地进行骨细分,以评估BMD.
主要方法:
- 提出了一个多功能联合歧视性域调整 (MDDA) 框架.
- 通过考虑多尺度特征和边缘信息来学习域不变特征.
- 对现实世界,多中心DXA数据集的框架进行了评估.
主要成果:
- 与最先进的方法相比,MDDA框架实现了最佳的域调整和泛化性能.
- 整合源域特征先验和边缘先验显著改善了适应性.
- 即使在有限的数据 (5-10图像) 中也表现出卓越的性能,突出了域调整任务的效率.
结论:
- 拟议的MDDA框架有效地解决了DXA成像中的域转移挑战.
- MDDA为骨细分提供了准确和可通用的解决方案,这对于可靠的BMD测量至关重要.
- 这种方法有可能改善骨质疏松症诊断和患者管理.
