Quantifying Knee Cartilage Shape and Lesion: From Image to Metrics

要約

膝関節軟骨の画像特徴は、変形性膝関節症の潜在的な画像バイオマーカーであることが示されています。
画像セグメンテーション、レジストレーション、ドメイン固有の画像コンピューティング アルゴリズムなどの画像分析技術における最近の方法論的進歩にもかかわらず、画像特徴抽出のための完全に自動化されたパイプラインの構築に焦点を当てた研究はわずかです。
本研究では、膝軟骨形態計測用の深層学習ベースの医用画像解析アプリケーション CartiMorph Toolbox (CMT) を開発しました。
我々は 2 段階の共同テンプレート学習および登録ネットワーク CMT-reg を提案しました。
OAI-ZIB データセットを使用してモデルをトレーニングし、テンプレートから画像への登録におけるパフォーマンスを評価しました。
CMT-reg は、他の最先端モデルと比較して優れた結果を実証しました。
私たちは、軟骨の形状と病変 (特に全層の軟骨損失) を定量化するために、提案されたモデルを自動パイプラインに統合しました。
このツールボックスは、医療画像分析とデータ視覚化のための包括的で使いやすいソリューションを提供します。
ソフトウェアとモデルは https://github.com/YongchengYAO/CMT-AMAI24paper で入手できます。

要約(オリジナル)

Imaging features of knee articular cartilage have been shown to be potential imaging biomarkers for knee osteoarthritis. Despite recent methodological advancements in image analysis techniques like image segmentation, registration, and domain-specific image computing algorithms, only a few works focus on building fully automated pipelines for imaging feature extraction. In this study, we developed a deep-learning-based medical image analysis application for knee cartilage morphometrics, CartiMorph Toolbox (CMT). We proposed a 2-stage joint template learning and registration network, CMT-reg. We trained the model using the OAI-ZIB dataset and assessed its performance in template-to-image registration. The CMT-reg demonstrated competitive results compared to other state-of-the-art models. We integrated the proposed model into an automated pipeline for the quantification of cartilage shape and lesion (full-thickness cartilage loss, specifically). The toolbox provides a comprehensive, user-friendly solution for medical image analysis and data visualization. The software and models are available at https://github.com/YongchengYAO/CMT-AMAI24paper .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google