Towards Cross-Scale Attention and Surface Supervision for Fractured Bone Segmentation in CT

要約

骨のセグメンテーションは、骨折外傷手術の術前計画に不可欠なステップです。
コンピュータ断層撮影 (CT) スキャンから骨折を自動セグメンテーションすることは、骨折の位置と形態が大きく異なり、また、異なる骨構造に固有の解剖学的特徴があるため、依然として困難です。
これらの問題を軽減するために、我々は、CT における骨折骨セグメンテーションの表面監視戦略と同様に、スケールを超えた注意メカニズムを提案します。
具体的には、クロススケール アテンション メカニズムが導入され、異なるスケール間の特徴を効果的に集約して、より強力な骨折表現が提供されます。
さらに、表面監視戦略が採用されており、これにより、ネットワークが骨の境界により多くの注意を払うように明示的に制約されます。
提案された方法の有効性は、股関節骨折の CT スキャンを含む公開データセットで評価されます。
評価指標は、Dice 類似性係数 (DSC)、平均対称面距離 (ASSD)、およびハウスドルフ距離 (95HD) です。
提案された方法は、平均 DSC 93.36%、ASSD 0.85mm、95HD 7.51mm を達成します。
私たちの方法は、骨盤 CT 検査に効果的な骨折セグメンテーション アプローチを提供し、他のタイプの骨折のセグメンテーション パフォーマンスを向上させるために使用できる可能性があります。

要約(オリジナル)

Bone segmentation is an essential step for the preoperative planning of fracture trauma surgery. The automated segmentation of fractured bone from computed tomography (CT) scans remains challenging, due to the large differences of fractures in position and morphology, and also the inherent anatomical characteristics of different bone structures. To alleviate these issues, we propose a cross-scale attention mechanism as well as a surface supervision strategy for fractured bone segmentation in CT. Specifically, a cross-scale attention mechanism is introduced to effectively aggregate the features among different scales to provide more powerful fracture representation. Moreover, a surface supervision strategy is employed, which explicitly constrains the network to pay more attention to the bone boundary. The efficacy of the proposed method is evaluated on a public dataset containing CT scans with hip fractures. The evaluation metrics are Dice similarity coefficient (DSC), average symmetric surface distance (ASSD), and Hausdorff distance (95HD). The proposed method achieves an average DSC of 93.36%, ASSD of 0.85mm, 95HD of 7.51mm. Our method offers an effective fracture segmentation approach for the pelvic CT examinations, and has the potential to be used for improving the segmentation performance of other types of fractures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google