基于深度学习和空间关系推理的脊柱定位方法研究

• 作 者: 邵婧雯
• 出 处: 吉林大学
• 发表日期: 2020年08期
• 关键词: 脊柱定位标注 深度学习 评分约束 空间关系推理 椎间盘空间关系迭代推理算法

随着医疗可视化的进步,医学图像的发展为临床诊断带来了巨大便利,同时计算机视觉在医疗图像上的应用也越来越广泛,具有重要研究意义和价值。目前,脊柱疾病在人群里越来越广泛,而磁共振成像对脊柱疾病的临床诊断在显示效果方面比其他方法更好。脊柱图像的处理中,椎间盘的定位和标注是当前研究的重点,传统的手动定位标注方法较为耗时,同时具有一定的错误率,因此利用计算机进行辅助诊断具有重要意义。当前脊柱图像相关的定位标注方法都有一些不足之处,都是针对特定的形态、图像序列或参数设置进行训练,不具有通用性。因此,本文基于深度学习和空间推理,对脊柱的定位标注的新方法进行研究,以实现对任意位置、以及局部或者全局图像的椎间盘进行定位和标注。首先,使用RefineDet目标检测算法对脊柱核磁共振图像(MRI)进行定位检测,得到椎间盘的初始位置,引入椎间盘高级解剖约束,对初始位置进行筛选,得到了精确的椎间盘位置集合。其次,根据空间推理知识,对相邻位置的每三个椎间盘进行建模,并训练得到21个邻近椎间盘空间关系模型。最后,根据精确的椎间盘位置集合和邻近椎间盘空间关系模型,提出椎间盘空间关系迭代推理算法并进行迭代匹配,选择最优匹配,并对椎间盘进行标注。本文的主要研究工作如下:1.对椎间盘进行精确初始定位利用深度学习方法进行图像特征底层提取和目标识别,得到椎间盘所有的候选位置,形成一个相应的候选集合。并且提出了评分约束算法,对候选集合进行筛选,消除错误检测,最终得到精确的椎间盘的位置集合。2.提出邻近椎间盘空间关系模型基于人体脊柱的几何结构以及解剖学结构,对位置相邻的三个椎间盘的外观和局部空间关系进行建模,模型特征主要包括两个方面:图像强度特征及形态测量学特征,一共训练得到21个邻近椎间盘空间关系模型。3.提出椎间盘空间关系迭代推理算法基于椎间盘的精确位置集合和21个邻近椎间盘空间关系模型,本文提出椎间盘空间关系迭代推理算法。对椎间盘集合进行初始化标记,得到多个初始化标记序列,并从标记序列的第一个节点开始与相应位置的模型进行迭代匹配,得到每个序列的匹配程度。最终选择匹配程度最优的序列,对椎间盘进行标注。