Accurate Scoliosis Vertebral Landmark Localization on X-ray Images via Shape-constrained Multi-stage Cascaded CNNs

要約

椎骨のランドマークの位置特定は、17の椎骨のコーナーポイントを検出する必要がある、さまざまな脊椎関連の臨床アプリケーションにとって重要なステップです。
ただし、隣接するランドマークは、椎骨の均一な外観のために互いに干渉することが多く、椎骨のランドマークの位置特定が非常に困難になります。
この論文では、多段カスケード畳み込みニューラルネットワーク（CNN）を提案して、単一のタスクを2つの連続したステップに分割します。つまり、椎骨の17の中心点を大まかに特定するための中心点の位置特定と、
他の人に気を取られることなく、各椎骨。
各ステップのランドマークは、カスケードされたCNNを介してオフセットを回帰することにより、初期化されたポイントのセットから徐々に配置されます。
主成分分析（PCA）は、椎骨の相互引力に抵抗するために、オフセット回帰で形状の制約を維持するために使用されます。
609個のタイトな脊椎前後X線画像で構成されるAASCEデータセットでこの方法を評価します。各画像には、脊椎の形状を特徴づけるために胸椎と腰椎で構成される17個の脊椎が含まれています。
実験結果は、相対誤差が3.2e-3から7.2e-4に減少することで、他の最先端技術よりも優れた脊椎ランドマークの位置特定のパフォーマンスを示しています。

要約(オリジナル)

Vertebral landmark localization is a crucial step for variant spine-related clinical applications, which requires detecting the corner points of 17 vertebrae. However, the neighbor landmarks often disturb each other for the homogeneous appearance of vertebrae, which makes vertebral landmark localization extremely difficult. In this paper, we propose multi-stage cascaded convolutional neural networks (CNNs) to split the single task into two sequential steps, i.e., center point localization to roughly locate 17 center points of vertebrae, and corner point localization to find 4 corner points for each vertebra without distracted by others. Landmarks in each step are located gradually from a set of initialized points by regressing offsets via cascaded CNNs. Principal Component Analysis (PCA) is employed to preserve a shape constraint in offset regression to resist the mutual attraction of vertebrae. We evaluate our method on the AASCE dataset that consists of 609 tight spinal anterior-posterior X-ray images and each image contains 17 vertebrae composed of the thoracic and lumbar spine for spinal shape characterization. Experimental results demonstrate our superior performance of vertebral landmark localization over other state-of-the-arts with the relative error decreasing from 3.2e-3 to 7.2e-4.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google