基于注意力机制的U-Net网络模型分割X线图像椎弓根影
2022-12-03顾霄莹张俊华王嘉庆
计算机应用与软件 2022年11期
关键词:模型
顾霄莹 张俊华 王嘉庆
(云南大学信息学院 云南 昆明 650500)
0 引 言
脊柱侧凸是一种常见的脊柱三维畸形,脊椎的轴向旋转是脊柱侧凸的基本畸形之一[1-2]。目前,X线是医学上诊断脊柱侧凸主要的成像方式[3],已有方法通过测量X线正位相中的椎弓根影相对于椎体中心产生的偏移量实现对椎体旋转度的测量,进而完成脊柱侧凸的系列评估工作[4-6]。椎弓根影在X线正位相和侧位相中均可见,因此也常作为脊柱X线图像三维重建的界标之一[7]。椎弓根作为椎弓的一部分,它起于椎体后上部,与椎体方向垂直向后方凸起,外形呈弧形。在X线图像中椎弓根影显示面积小且对比度不高,这给它的分割工作带来了难度。
现有的椎弓根影分割方法按自动化程度分为手工分割、半自动分割和自动分割三种。手工分割靠医师人工对脊柱X线图像进行标注,耗时费力且精确的结果受到人工的主观因素制约,操作者的误差会直接影响后期椎体旋转角测量结果的准确度。对此,一系列半自动分割方法被提出。Dore等[8]提出一种引入椎弓根图像统计形状作为先验信息的水平集X线图像椎弓根影分割方法,由于严重依赖于图像的质量,该方法不易推广。Zhang等[9]提出一种基于椭圆形状约束的梯度矢量流(GVF) Snake模型的X线图像椎弓根影分割方法,此方法需要由用户选择矩形感兴趣区域生成初始椭圆轮廓,过程烦琐。Kumar等[10]提出一种数学形态学增强的图像预处理结合GVF Snake模型的X线图像椎弓根影分割方法,该方法仍然需要用户标记初始化轮廓。……
登录APP查看全文
