Horn，Ming-Huwi（明慧·霍恩）；Kuok、Chan-Pang；傅敏君；林志珍；孙永年 使用卷积神经网络从X射线图像测量脊椎的Cobb角。 （英语） Zbl 1423.92153号 计算。数学。方法医学。 2019年，文章ID 6357171，18 p.（2019）. 小结：脊柱侧凸是一种常见的脊柱疾病，脊椎向一侧弯曲，从而使脊椎变形。曲率估计为评估脊柱侧凸畸形的严重程度提供了有力的指标。在目前的临床诊断中，定量评估曲率的标准曲率估计方法是通过测量Cobb角来完成的，Cobb角度是两条线之间的夹角，垂直于累及的最上面椎体的上终板和累及的最低椎体的下终板。然而，手动测量脊椎曲率需要花费大量的时间和精力，以及相关的问题，如观察者之间和观察者之间的差异。在这篇文章中，我们提出了一种使用前后位（AP）脊柱X射线图像测量脊柱曲率的自动系统。由于AP视图图像的特点，我们首先缩小图像大小，然后使用水平和垂直强度投影直方图来定义脊椎感兴趣的区域，然后对其进行裁剪以进行顺序处理。接下来，利用感兴趣区域的强度和梯度信息检测脊椎的边界、脊椎中心曲线和脊椎前景，然后使用渐进阈值方法检测脊椎位置。为了减少脊椎AP图像中脊椎强度分布不一致的影响，我们应用深度学习卷积神经网络（CNN）方法，包括U-Net、密集U-Net和残余U-Net，对脊椎进行分割。最后，将脊椎的分割结果重建为完整的分割后的脊椎图像，并基于Cobb角准则计算脊椎曲率。在实验中，我们展示了脊柱分割和脊柱曲率的结果；然后将结果与专家的手动测量结果进行比较。残差U-Net的分割结果优于其他两种卷积神经网络。单向方差分析测试还表明，包括两名不同医生的手动记录和我们建议的测量记录在内的三个测量值在脊柱曲率测量方面没有显著差异。展望未来，该系统可应用于临床诊断，以帮助医生更好地了解脊柱侧凸的严重程度并进行临床治疗。 MSC公司： 92 C55 生物医学成像和信号处理 92-08 生物学问题的计算方法 68T05型 人工智能中的学习和自适应系统 关键词：x射线成像；Cobb角测量；卷积神经网络；脊椎；R（右） 软件：蟒蛇；掌中宽带；SIFT公司 PDF格式BibTeX公司 XML格式引用 \textit{M.-H.Horng}等人，计算。数学。方法：Med.2019，文章ID 6357171，18 p.（2019；Zbl 1423.92153） 全文： 内政部 参考文献： [1] 《大英百科全书》编辑，《脊椎》专栏，《解剖学》，2018年，https://www.britannica.com/science/column [2] HH出版社，脊柱侧弯，https://www.health.harvard.edu/a_to_z/scoliosis-a-to-z [3] Greiner，K.A.，《青少年特发性脊柱侧凸：放射学决策》，美国家庭医生，65，9，1817-1822（2002） [4] Cobb，J.，脊柱侧弯研究大纲，教学课程讲座，5，261-275（1948） [5] Cobb方法，2018年，网址：http://www2.cmu.edu.tw/～cmcmd/ctanatomy/clinical/scoliosis.html [6] Giannoglou，V。；Stylianidis，E.，《脊柱畸形的Cobb角计算和基于图像的建模技术进展综述》，摄影测量、遥感和空间信息科学ISPRS年鉴论文集 [7] 莫拉，哥伦比亚特区。；科雷亚，M.V。；Barbosa，J.G。；Reis，A.M。；拉兰杰拉，M。；Gomes，E.，x射线图像中的自动脊椎检测，2006年CompIMAGE国际研讨会论文集 [8] O.A.Okashi。；杜，H。；AI-Assam，H.，从小鼠模型的X射线图像自动估计脊椎曲率，生物医学中的计算机方法和程序，140175-184（2017）·doi:10.1016/j.cmpb.2016.10.10 [9] 穆克吉，J。；R.昆都。；Chakrabarti，A.，基于不同去噪技术的数字X射线图像Cobb角测量的可变性，国际生物医学工程与技术杂志，16，2，113（2014）·doi:10.1504/ijbet.2014.065656 [10] 托马西，C。；Manduchi，R.，灰度和彩色图像的双边滤波，第六届国际计算机视觉会议论文集 [11] Buades，A。；科尔·B。；Morel，J.M.，图像去噪的非局部算法，IEEE计算机学会计算机视觉和模式识别会议论文集·Zbl 1108.94004号 [12] Tasdizan，T.，《非局部均值图像去噪的原则邻域词典》，IEEE图像处理学报，18，2649-2660（2009）·Zbl 1371.94366号 ·doi:10.1109/tip.2009.2028259 [13] Dabov，K。；Foi，A。；Katkovnik，V。；Egiazarian，K.，用块匹配和3D滤波进行图像去噪，SPIE电子成像学报'06 [14] 共和国冈萨雷斯。；Woods，R.E.，《数字图像处理》（2008年），美国新泽西州上鞍河：普伦蒂斯·哈尔，上鞍河，新泽西州，美国 [15] Lecron，F。；Benjelloun，M。；Mahmoudi，S.，基于多类SVM的x射线图像中的全自动脊椎检测，2012年医学成像学报：图像处理 [16] Low，D.G.，尺度不变关键点的区别图像特征，国际计算机视觉杂志，60，2，91-110（2004）·doi:10.1023/b:visi.00002964.99615.94 [17] 张杰。；李，H。；Lv，L。；张勇，基于深度神经网络自动检测脊椎坡度的计算机辅助Cobb测量，国际生物医学成像杂志，2017（2017）·doi:10.115/2017/9083916 [18] 通，W.E。；拉贝尔，H。；沈杰。；父母，S。；Kadoury，S.，用于青少年特发性脊柱侧凸三维脊柱模型分类的堆叠自动编码器，脊柱成像计算方法和临床应用的最新进展，13-25（2015），德国柏林：德国柏林施普林格 [19] O.Ronneberger。；菲舍尔，P。；Brox，T.，U-net：生物医学图像分割的卷积网络，医学图像计算和计算机辅助干预国际会议论文集，施普林格 [20] Al Arif，S。；Knapp，K。；斯拉堡，G。；格洛克，B。；姚，J。；Vrtovec，T。；Frangi，A。；Zheng，G.，用于脊椎分割的Shape-aware深度卷积神经网络，肌肉骨骼成像中的计算方法和临床应用程序，MSKI 2017，计算机科学讲义第10734卷，Springer [21] 库特斯，T。；泰勒，C。；库珀，D。；Graham，J.，《主动形状模型的训练和应用》，《计算机视觉和图像理解》，61，1，38-59（1995）·doi:10.1006/cviu.1995.1004 [22] Benjelloun，M。；马哈茂迪，S。；Lecron，F.，《使用基于主动形状模型的方法进行脊椎分割的框架》，《国际生物医学成像杂志》，2011年（2011年）·doi:10.1155/2011/621905 [23] Al Arif，S。；冈德里，M。；Knapp，K。；Slabaugh，G.，用随机分类森林改进主动形状模型以分割颈椎，第四届MICCAI研讨会论文集&脊柱成像的计算方法和临床应用挑战-CSI 2016，LNCS第10182卷，Springer [24] 张，Z。；刘，Q。；Wang，Y.，深度残差u-net道路提取，IEEE地球科学与遥感快报，2018年，http://arxiv.org/abs/1711.10684 [25] Jégou，S。；Drozdzal，M。；巴斯克斯，D。；罗梅罗，A。；Bengio，Y.，《100层tiramisu:语义分割的完全卷积密集集》，IEEE计算机视觉和模式识别研讨会会议记录（CVPRW） [26] 奈尔，V。；Hinton，G.E.，《校正线性单位改进受限Boltzmann机器》，第27届机器学习国际会议论文集（ICML-10） [27] 洛夫，S。；Szegedy，C.，Batch normalization：通过减少内部协变量偏移来加速深层网络训练，http://arxiv.org/abs/1502.03167 [28] He，K。；张，X。；Ren，S。；Sun，J.，图像识别的深度残差学习，IEEE计算机视觉和模式识别会议论文集 [29] 黄，G。；刘，Z。；Van Der Maaten，L。；Weinberger，K.Q.，稠密连接卷积网络，http://arxiv.org/abs/1608.06993 [30] Dice，L.R.，物种间生态关联量的测量，生态学，26，3，297-302（1945）·doi:10.2307/1932409 [31] Jaccard，P.，《高山带植物区系的分布》，新植物学家，11，2，37-50（1912）·doi:10.1111/j.1469-8137.1912.待定05611.x [32] Brownlee，J.，《机器学习的统计方法：探索如何使用Python将数据转换为知识》（2018），澳大利亚维多利亚州佛蒙特州：机器学习掌握私人有限公司。澳大利亚维多利亚州佛蒙特州有限公司 [33] Urdan，T.C.，《简明英语统计》（2016），英国伦敦：Routledge，英国伦敦·Zbl 1106.62300号 [34] Berger，S。；哈斯勒，C.-C。；格兰特，C.A。；郑庚。；舒曼，S。；Buchler，P.，一个从射线图像测量脊柱三维长度的软件程序：青少年特发性脊柱侧凸的验证和可靠性评估，生物医学中的计算机方法和程序，138，57-64（2017）·doi:10.1016/j.cmpb.2016.10.12 [35] Suwannarat，P。；Wattanapan，P。；Wiyanad，A。；Chokphukiao，P。；Wilaichit，S。；Amatachaya，A.，《物理治疗师新手使用数字方法测量眼镜蛇角度的可靠性》，香港物理治疗杂志，37，34-38（2017）·doi:10.1016/j.hkpj.2017.01.003 [36] Lachin，J.M.，《测量可靠性在临床试验中的作用》，临床试验，1，6，553-566（2004）·doi:10.1191/1740774504cn057oa [37] 科赫，G.G。；科茨，S。；Johnson，N.L.，类内相关系数，《统计科学百科全书》，213-217（1982），美国纽约州纽约市：John Wiley&Sons，美国纽约市·Zbl 0552.62001号 [38] Galton，F.，《遗传地位向平庸回归》，《大不列颠及爱尔兰人类学研究所期刊》，第15期，第246-263页（1886年）·doi:10.2307/2841583 [39] 科尔德，G.W。；Foreman，D.I.，《非参数统计：逐步方法》（2014），美国新泽西州霍博肯：美国新泽西霍博肯John Wiley&Sons Inc·Zbl 1288.62001号 [40] Lechner，R。；Putzer，D。；Dammer，D。；利本斯坦纳，M。；巴赫，C。；Thaler，M.，脊柱侧凸Cobb角的二维和三维测量比较，国际骨科，41，5，957-962（2017）·doi:10.1007/s00264-016-3359-0 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。