9、脊椎定位与识别的创新方法

脊椎定位与识别的创新方法

1. 引言

医学成像技术在脊柱疾病的诊断和治疗中应用广泛，像磁共振成像（MRI）和计算机断层扫描（CT）这类 3D 成像技术，能为医生评估脊柱病理状况提供关键工具，助力手术规划。不过，从 3D 图像中识别单个脊椎并非易事，既复杂又耗时。计算机方法可实现脊柱图像定量分析的自动化，提升医生提供脊柱医疗服务的能力。因此，研究从 CT 扫描中自动定位和识别单个脊椎的方法，对放射科医生的日常工作及脊柱图像分析的后续任务意义重大。

2. 脊椎定位与识别的挑战

设计计算机化的脊椎识别和定位系统极具挑战性。与其他分类问题不同，相邻脊椎形态相似，在 CT 扫描质量低或视野窄时，区分相邻脊椎十分困难。而且，由于病理原因，脊柱的解剖结构并非总是规则可预测的，若患者脊椎周围有手术植入物，会降低脊椎边界的对比度，使问题更加复杂。尽管现有方法在具有挑战性的 3D 脊柱数据集上取得了一定性能，但为进一步提升脊椎识别和定位性能，计算机系统应具备以下能力：
- 使用 3D 特征提取方案，更好地利用目标脊椎附近器官等短程上下文信息。
- 按顺序处理 3D 脊柱图像，编码脊椎固定空间顺序等长程上下文信息。
- 同时学习脊椎识别和定位，并在训练过程中共享两个任务的领域信息。

3. 创新方法概述

为解决上述问题，提出了一种结合 3D 卷积和循环神经网络的新方法，联合学习脊椎识别和定位。具体步骤如下：
1. 3D 全卷积神经网络（FCN） ：以滑动窗口方式提取 CT 图像特征，3D 卷积层作为核心组件，能编码 3D 上下文信息，比 2D 卷积层有更好的特征表示。该网络采用多