概述




自动脊椎检测和标记是一个重要的预处理步骤,用于诊断和量化各种脊椎疾病,如脊柱侧凸、椎间盘突出症、强直性脊柱炎和脊椎癌。

这项工作的目的是检测和确定临床矢状位脊髓核磁共振(MR)图像中的椎体水平。特别是,我们做出了两项新贡献:

  1. “向量场回归”-一种在任意矢状脊柱MR图像中检测椎体的新方法。VFR检测图像中的每个椎骨角点和相应的向量场,使我们能够将其分组为四边形。
  2. 一种受语言建模启发的方法,通过上述方法确定椎体序列检测的水平。这改进了简单地从底部脊椎数数,因为它不需要特定的“锚定”脊椎来工作,因此可以用于颈椎、腰椎、胸椎和全脊椎视野。

我们在腰椎、全椎体和任意视野临床数据集上测试了这两种方法,在所有情况下都超过了现有自动化方法的性能,并显示出对“儿童”病理学的鲁棒性。我们还表明,这种方法可以用于MRI检测脊柱侧凸。有关详细信息,请读报纸观看会议演示.你也可以参见示例操作中的方法。

视频演示

示例

下面是一些使用我们方法的扫描和椎体分割示例。左侧面板显示原始MRI扫描的矢状切片,中间面板显示椎体检测和标记。右边手面板是检测到的椎体的三维可视化。您可以单击此面板进行平移和滚动缩放。

纸类

本论文被MICCAI 2020接受。原始论文的扩展版本是arXiv上提供。
如果你发现这项工作在你自己的研究中有用,请考虑引用它:

@正在进行中{author={莱迪安·温莎(Rhydian Windsor)、埃米尔·贾马鲁丁(Amir Jamaludin)、帝汶·卡迪尔(Timber Kadir)和安德鲁·齐瑟曼(Andrew Zisserman)},booktitle={医学图像计算和计算机辅助干预},title={全脊柱MRI中脊椎检测和标记的卷积方法},日期={2020年},}

致谢

我们感谢Sarim Ather博士就脊柱解剖、病理学和临床实践进行了几次富有洞察力的对话,并帮助获取和注释了本项目中使用的数据。Rhydian Windsor由英国癌症研究所支持,作为自主智能机器和系统EPSRC CDT的一部分。Amir Jamaludin得到EPSRC Grant Seebibyte计划的支持。基因组数据是在EC FP7项目Genodisc期间获得的。Zukic数据集可从纺锤