ICPPNet:基于超声波图像中的脊椎病重建的类间位置先验的语义细分网络模型
Changlong Wang1, You Zhou2, Yuanshu Li2
1College of Software, Jilin University, Changchun, 130012, Jilin, China.
Journal of biomedical informatics
|April 21, 2025
概括
一个新的神经网络 - - ICPPNet - - 在超声波图像中准确地划分脊柱区域,用于诊断脊柱病. 这种方法为X射线提供了更安全,更具成本效益的替代方案,使得精确的脊柱模型重建成为可能.
科学领域:
- 医学成像医学成像
- 医疗保健中的人工智能
- 脊柱诊断 脊柱诊断 脊柱诊断 脊柱诊断 脊柱诊断
背景情况:
- 脊椎病的X射线成像具有辐射风险.
- 超声波提供了一个更安全,更容易获得的诊断替代方案.
- 在超声波中精确细分脊柱区域是具有挑战性的,因为小目标和干扰.
研究的目的:
- 开发一种新型的神经网络,用于在超声波图像中精确细分脊柱区域.
- 为了克服在干扰信息中识别小脊柱目标的挑战.
- 为了创建一个成本效益和无辐射的诊断方法,用于脊椎病.
主要方法:
- 为了语义细分,创建了来自30名脊柱患者的3136张超声波脊柱图像的数据集.
- 一个新的神经网络,ICPPNet被提出,结合了跨类的位置先验知识.
- ICPPNet使用跨类定位概率热图进行准确的目标区域细分.
主要成果:
- ICPPNet实现了70.83%的子相似系数和11.28毫米的95%的豪斯多夫距离.
- 与X射线相比,科布角测量的平均误差为1.41度.
- 确定系数为0.9879表明与X射线测量有很强的相关性.
结论:
- ICPPNet提供了一种新的解决方案,用于医疗图像细分,使用位置先验知识.
- 该方法可以从超声波图像中准确地重建脊柱模型.
- ICPPNet支持超声波作为脊椎病的主要诊断工具的发展.
