基于多尺度距离加权神经网络的骨盆骨折分割

文章目录

  • [Pelvic Fracture Segmentation Using a Multi-scale Distance-Weighted Neural Network](#Pelvic Fracture Segmentation Using a Multi-scale Distance-Weighted Neural Network)

Pelvic Fracture Segmentation Using a Multi-scale Distance-Weighted Neural Network

摘要

骨盆骨折是一种严重的高能损伤。从3D CT图像中分割骨盆骨折对创伤诊断、评估和治疗计划非常重要。手动勾画骨折表面可以逐层进行,但这是一个缓慢且容易出错的过程。自动骨折分割面临着骨盆骨结构复杂以及骨折类型和形状变化大的挑战。

该研究提出了一种基于深度学习的自动骨盆骨折分割方法。该方法包括两个连续的网络:

  1. 解剖分割网络:从CT扫描中提取左右髂骨和骶骨。
  2. 骨折分割网络:进一步从每个掩膜骨区域中分割出骨折。

研究者设计并集成了一种基于距离加权的损失函数到3D U-Net中,以提高对骨折边界区域的分割精度。此外,还使用了多尺度深度监督和平滑过渡策略来促进训练。
代码地址

方法

该方法包括三个步骤:

  1. 解剖分割网络:使用级联的3D nn-UNet架构从CT扫描中提取骨盆骨骼。该网络首先在一组健康骨盆CT图像上进行预训练,然后在研究者的骨折数据集上进一步微调。
  2. 骨折分割网络:用于从第一步提取的每个髂骨和骶骨区域中分离出骨块碎片。为了定义一套适用于所有骨折类型的一致标记规则,研究者为每个骨骼指定了三个标签:背景、主要骨块和其他骨块。主要骨块是位于中心的最大骨块。
  3. 最终输出:进一步分离和标记孤立的骨块组件,并移除小的孤立骨块碎片。

实验结果


相关推荐
修复bug12 分钟前
trae.ai 编辑器:前端开发者的智能效率革命
人工智能·编辑器·aigc
掘金安东尼15 分钟前
为什么GPT-4o可以生成吉卜力风格照片,原理是什么?
人工智能
机器鱼31 分钟前
1.2 基于卷积神经网络与SE注意力的轴承故障诊断
深度学习·机器学习·cnn
励志成为大佬的小杨33 分钟前
pytorch模型的进阶训练和性能优化
人工智能·pytorch·python
知舟不叙41 分钟前
OpenCV的基础操作
人工智能·opencv·计算机视觉
果冻人工智能1 小时前
打造 AI Agent 对于中产阶级来说就是场噩梦
人工智能
MediaTea1 小时前
AI 文生图:提示词撰写技巧与示例(ChatGPT-4o 篇)
人工智能
墨绿色的摆渡人1 小时前
用 pytorch 从零开始创建大语言模型(三):编码注意力机制
人工智能·pytorch·语言模型
zm-v-159304339862 小时前
ChatGPT 与 DeepSeek:学术科研的智能 “双引擎”
人工智能·chatgpt