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
框架那些事儿4 分钟前
深入 Pi 源码:一个优秀的 Agent,是如何管理上下文的?
人工智能·ai编程·全栈
Java内核笔记5 分钟前
方法级 trace 看不出第几轮:给 Agent 补一层轮次维度
人工智能·spring boot·后端
AAA修煤气灶刘哥9 分钟前
DSH Super-agent 双层架构:如何兼顾后台执行与持续响应
人工智能·后端·设计模式
阿里云大数据AI技术17 分钟前
Hologres jev 能帮业务做什么?7 个场景,一句提问
人工智能
武子康21 分钟前
H3-World 扩展跳跃与开门:新动作怎样进入训练数据?
大数据·人工智能·算法
网易云信29 分钟前
网易智企 × 利尔达智能工牌:如何把一线对话变成可复用的企业资产
人工智能
前进的李工1 小时前
Agent 学习笔记 15:Agent 怎样响应事件与中途打断?
人工智能·笔记·agent·openclaw·工具设计·gpt-6 astra·原生异步
天树星智源1 小时前
记忆该记「赔率跳变」:机器人长时程十连任务,事件记忆 88.0%,删掉失败记录只剩 1.7%
论文阅读·人工智能·机器人
京东云开发者1 小时前
京东云推出全新JoyCode智能编码工具,让AI Coding从代码生成走向成果交付
人工智能
泓博1 小时前
Android仿写苹果缩放窗口
人工智能·gpt·深度学习