Automating Cobb Angle Measurement for Adolescent Idiopathic Scoliosis using Instance Segmentation

要約

脊柱側弯症は脊椎の立体的な変形であり、ほとんどの場合、小児期に診断されます。
人口の 2 ～ 3%、北米では約 700 万人が罹患しています。
現在、脊柱側弯症を評価するための参照基準は、曲率中心の部位でのコブ角の手動割り当てに基づいています。
この手動プロセスは、観察者間および観察者内の差異の影響を受けるため、時間がかかり、信頼性が低くなります。
これらの不正確さを克服するために、機械学習 (ML) メソッドを使用してコブ角測定プロセスを自動化できます。
この論文では、インスタンス セグメンテーション モデルである YOLACT を使用してコブ角測定タスクに対処することを提案します。
提案された方法は、最初に YOLACT を使用して X 線画像の椎骨をセグメント化し、次に最小バウンディング ボックス アプローチを使用して重要なランドマークを追跡します。
最後に、抽出されたランドマークを使用して、対応するコブ角が計算されます。
このモデルは、10.76% の対称平均絶対誤差率 (SMAPE) スコアを達成し、椎骨の局在化とコブ角測定の両方でこのプロセスの信頼性を示しています。

要約(オリジナル)

Scoliosis is a three-dimensional deformity of the spine, most often diagnosed in childhood. It affects 2-3% of the population, which is approximately seven million people in North America. Currently, the reference standard for assessing scoliosis is based on the manual assignment of Cobb angles at the site of the curvature center. This manual process is time consuming and unreliable as it is affected by inter- and intra-observer variance. To overcome these inaccuracies, machine learning (ML) methods can be used to automate the Cobb angle measurement process. This paper proposes to address the Cobb angle measurement task using YOLACT, an instance segmentation model. The proposed method first segments the vertebrae in an X-Ray image using YOLACT, then it tracks the important landmarks using the minimum bounding box approach. Lastly, the extracted landmarks are used to calculate the corresponding Cobb angles. The model achieved a Symmetric Mean Absolute Percentage Error (SMAPE) score of 10.76%, demonstrating the reliability of this process in both vertebra localization and Cobb angle measurement.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google