VertDetect: Fully End-to-End 3D Vertebral Instance Segmentation Model

要約

脊椎の検出とセグメンテーションは、脊椎手術や放射線療法における治療計画にとって重要なステップです。
脊椎全体が含まれていない画像処理、解剖学的構造に変化がある場合（T13 および/または L6 椎骨）、骨折やハードウェアが存在する場合、正確な識別とセグメンテーションは複雑になります。
この論文では、CT スキャンに存在するすべての椎骨の椎骨レベルのラベルとセグメンテーションを予測する、完全に自動化されたエンドツーエンドの 3D 椎骨インスタンス セグメンテーション畳み込みニューラル ネットワーク (CNN) モデルである VertDetect を提案します。
共有 CNN バックボーンを利用することで、ネットワークの検出ブランチとセグメンテーション ブランチに、脊椎レベルと脊椎レベルの両方の情報を含む特徴マップが提供されます。
グラフ畳み込みネットワーク (GCN) レイヤーは、脊椎の既知の構造を使用して椎骨のラベリングを改善するために使用されます。
このモデルのダイス類似係数 (DSC) は、VerSe 2019 では 0.883 (95% CI、0.843-0.906) および 0.882 (95% CI、0.835-0.909)、0.868 (95\% CI、0.834-0.890) および 0.869 を達成しました。
VerSe 2020 の公開テスト セットと非公開テスト セットでは、それぞれ (95\% CI、0.832-0.891) でした。
このモデルは、エンドツーエンド アーキテクチャの最先端のパフォーマンスを達成し、その設計により、後続のダウンストリーム タスクに使用できる機能の抽出が容易になりました。

要約(オリジナル)

Vertebral detection and segmentation are critical steps for treatment planning in spine surgery and radiation therapy. Accurate identification and segmentation are complicated in imaging that does not include the full spine, in cases with variations in anatomy (T13 and/or L6 vertebrae), and in the presence of fracture or hardware. This paper proposes VertDetect, a fully automated end-to-end 3D vertebral instance segmentation Convolutional Neural Network (CNN) model to predict vertebral level labels and segmentations for all vertebrae present in a CT scan. The utilization of a shared CNN backbone provides the detection and segmentation branches of the network with feature maps containing both spinal and vertebral level information. A Graph Convolutional Network (GCN) layer is used to improve vertebral labelling by using the known structure of the spine. This model achieved a Dice Similarity Coefficient (DSC) of 0.883 (95% CI, 0.843-0.906) and 0.882 (95% CI, 0.835-0.909) in the VerSe 2019 and 0.868 (95\% CI, 0.834-0.890) and 0.869 (95\% CI, 0.832-0.891) in the VerSe 2020 public and hidden test sets, respectively. This model achieved state-of-the-art performance for an end-to-end architecture, whose design facilitates the extraction of features that can be subsequently used for downstream tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google