Multi-View Vertebra Localization and Identification from CT Images

要約

CT 画像から椎骨の位置を正確に特定し、特定することは、さまざまな臨床応用にとって非常に重要です。
しかし、既存の取り組みのほとんどは、トリミング パッチ操作を使用して 3D 上で実行されており、膨大な計算コストと限られたグローバル情報に悩まされています。
この論文では、3D 問題をさまざまなビューでの 2D 位置特定および識別タスクに変換する、CT 画像からの多視点椎骨位置特定および識別を提案します。
3Dクロップパッチの制限なしに、我々の方法は多視点のグローバル情報を自然に学習することができます。
さらに、さまざまな視点から解剖学的構造情報をより適切に捕捉するために、バックボーンを事前にトレーニングするためのマルチビュー対照学習戦略が開発されています。
さらに、椎骨に沿って埋め込まれた連続構造を維持するためのシーケンス損失をさらに提案します。
評価結果は、わずか 2 つの 2D ネットワークを使用して、私たちの方法が CT 画像内の椎骨の位置を正確に特定して識別できること、および一貫して最先端の方法を上回るパフォーマンスを示していることを示しています。
私たちのコードは https://github.com/ShanghaiTech-IMPACT/Multi-View-Vertebra-Localization-and-Identification-from-CT-Images で入手できます。

要約(オリジナル)

Accurately localizing and identifying vertebrae from CT images is crucial for various clinical applications. However, most existing efforts are performed on 3D with cropping patch operation, suffering from the large computation costs and limited global information. In this paper, we propose a multi-view vertebra localization and identification from CT images, converting the 3D problem into a 2D localization and identification task on different views. Without the limitation of the 3D cropped patch, our method can learn the multi-view global information naturally. Moreover, to better capture the anatomical structure information from different view perspectives, a multi-view contrastive learning strategy is developed to pre-train the backbone. Additionally, we further propose a Sequence Loss to maintain the sequential structure embedded along the vertebrae. Evaluation results demonstrate that, with only two 2D networks, our method can localize and identify vertebrae in CT images accurately, and outperforms the state-of-the-art methods consistently. Our code is available at https://github.com/ShanghaiTech-IMPACT/Multi-View-Vertebra-Localization-and-Identification-from-CT-Images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google