脊柱X射线成像上椎骨的手动注释是昂贵的,并且由于骨骼形状的复杂性和图像质量变化而耗时。在这项研究中,我们通过提出一种称为Vertxnet的集合方法来解决这一挑战,以自动在X射线脊柱图像中分段和标记椎骨。 Vertxnet结合了两个最先进的分割模型,即U-NET和Mask R-CNN,以改善椎骨分割。 Vertxnet的一个主要特征也是由于其在给定的脊柱X射线图像上的掩模R-CNN组件(经过训练,可检测到“参考”椎骨)。在侧面宫颈和腰椎X射线成像的内部数据集上评估了Vertxnet,用于强直性脊柱炎(AS)。我们的结果表明,Vertxnet可以准确标记脊柱X射线(平均骰子为0.9)。它可以用来规避缺乏注释的椎骨而无需进行人类专家审查的情况。此步骤对于通过解决分割的缺乏来研究临床关联至关重要,这是大多数计算成像项目的常见瓶颈。
translated by 谷歌翻译