研究笔记:一种深度学习方法从全身X射线图像中对的骨进行细分
Moh Sallam1, Samuel Coulbourn Flores2, Dirk Jan de Koning1
1Department of Animal Biosciences, Swedish University of Agricultural Sciences, Box 7023, 750 07, Uppsala, Sweden.
Poultry science
|August 27, 2024
概括
现在可以自动监测产母的骨健康状况. 一个深度学习模型从X射线图像中准确地对骨进行细分,从而使未来的骨折风险评估成为可能.
科学领域:
- 兽医辐射学 兽医辐射学
- 动物科学动物科学
- 生物医学成像技术 生物医学成像技术
背景情况:
- 商业产卵经常经历胸骨 (骨) 骨损伤,包括偏差和骨折.
- 准确评估骨状况对于动物福利和生产力至关重要.
研究的目的:
- 开发和训练一个深度学习模型,从产母的全身X射线图像中自动分割骨.
- 建立基石,用于自动测量骨几何和密度.
主要方法:
- 采集了1,051张母的全身X射线图像.
- 在每个图像上手动勾勒下基骨的轮,用于注释.
- 训练U-net深度学习模型用于骨细分.
- 使用5倍交叉验证进行评估.
主要成果:
- 经过训练的U-net模型实现了高和可重复的细分精度,Dice系数从0.88到0.90.
- 该模型在多个验证折叠中展示了强大的性能.
结论:
- 从X射线图像中对产卵项骨进行自动细分,可实现高精度.
- 准确的细分是自动测量的先决条件,促进骨特征和骨折易受性之间的联系.


