Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding

要約

脊椎変性疾患は高齢者の間で非常に蔓延しています。
骨粗鬆症性骨折やその他の変性変形をタイムリーに診断することで、重度の腰痛や障害のリスクを軽減するための事前の対策が容易になります。
この研究では、自動マルチラベルセグメンテーションの進歩と教師なし学習のための大規模なデータセットの利用可能性を利用して、椎骨の形状自動エンコーダの使用を特に調査します。
当社の形状自動エンコーダーは、椎骨のセグメンテーションに利用可能な膨大な量のデータを活用して、大規模な椎骨表面パッチのセットでトレーニングされています。
これにより、画像強度から椎骨の形状情報を学習する際に直面するラベル不足の問題が解決されます。
学習した形状特徴に基づいて、椎体の骨折を検出するように MLP をトレーニングします。
TotalSegmentator を使用して自動的に生成されたセグメンテーション マスクを使用することで、提案された方法は VerSe19 テストセットで 0.901 の AUC を達成します。
これは、画像ベースおよびサーフェスベースのエンドツーエンドのトレーニング済みモデルよりも優れたパフォーマンスを発揮します。
さらに、私たちの結果は、教師なしの方法でモデルを事前トレーニングすると、PointNet や DGCNN などの幾何学的手法が強化されることを示しています。
私たちの発見は、骨粗鬆症性椎骨骨折を診断するために形状特徴を明示的に学習することの利点を強調しています。
このアプローチにより、分類結果の信頼性が向上し、注釈付きラベルの必要性が減ります。
この研究は、椎骨の形状解析におけるさまざまなエンコーダ/デコーダ モデルの有効性について新たな洞察を提供し、新しいデコーダ アーキテクチャであるポイントベースの形状デコーダを提案します。

要約(オリジナル)

Degenerative spinal pathologies are highly prevalent among the elderly population. Timely diagnosis of osteoporotic fractures and other degenerative deformities facilitates proactive measures to mitigate the risk of severe back pain and disability. In this study, we specifically explore the use of shape auto-encoders for vertebrae, taking advantage of advancements in automated multi-label segmentation and the availability of large datasets for unsupervised learning. Our shape auto-encoders are trained on a large set of vertebrae surface patches, leveraging the vast amount of available data for vertebra segmentation. This addresses the label scarcity problem faced when learning shape information of vertebrae from image intensities. Based on the learned shape features we train an MLP to detect vertebral body fractures. Using segmentation masks that were automatically generated using the TotalSegmentator, our proposed method achieves an AUC of 0.901 on the VerSe19 testset. This outperforms image-based and surface-based end-to-end trained models. Additionally, our results demonstrate that pre-training the models in an unsupervised manner enhances geometric methods like PointNet and DGCNN. Our findings emphasise the advantages of explicitly learning shape features for diagnosing osteoporotic vertebrae fractures. This approach improves the reliability of classification results and reduces the need for annotated labels. This study provides novel insights into the effectiveness of various encoder-decoder models for shape analysis of vertebrae and proposes a new decoder architecture: the point-based shape decoder.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google