在CT数据中增强椎骨定位精度：一种两阶段的深度学习框架

《BMC Medical Imaging》：Enhanced vertebrae localization in CT volumes: a two-stage deep learning framework

　　

摘要

背景

在计算机断层扫描（CT）图像中定位椎骨标志对于脊柱病理诊断、术后评估和手术计划至关重要。然而，在高分辨率的三维CT图像中定位椎骨仍然存在显著挑战。

方法

本研究提出了一种新颖的两阶段深度学习框架，有效解决了椎骨空间跨度大和形态相似性高的问题。第一阶段使用改进的挤压和激励V-Net（ISE-VNet）对脊柱进行粗略分割；第二阶段利用三维空间泛化的差分空间到数值变换（DSNT）模块对单个椎骨进行精确定位。

结果

我们的框架将识别率从81.15%显著提升到96.32%，并将定位误差从7.6毫米减少到2.1毫米，优于现有最先进的方法。

结论

这种方法为三维医学图像中的临床椎骨标志定位提供了可靠的解决方案。该设计能够高效且专注地分析椎骨局部区域，在科学研究和临床实践中具有重大价值。