卷积神经网络在生物医学图像上的应用进展(8)
自2019 年12 月以来,新型冠状病毒在世界各地相继爆发[75]。《新型冠状病毒肺炎诊疗方案(试行第七版)》[76]中指出新冠肺炎在胸部影像上表现为早期呈现多发小斑片影及间质改变,以肺外带明显;进而发展为双肺多发磨玻璃影、浸润影,严重者可出现肺实变,胸腔积液少见。为实现新冠肺炎在临床的快速诊断,多种利用CNN 模型对新冠肺炎CT 影像进行分析的技术涌现出来(如图5)。Xu等[77]首先利用CT图像的亨氏值提取出肺部区域,再使用3D CNN模型分割出候选的感染区域,然后使用基于ResNet18 的3D CNN 模型结合位置注意力机制,从而将每个候选区域分为新冠肺炎、流感病毒肺炎和无关感染。该方法在30 个CT 样本的总体准确率86.7%。Gozes等[23]开发了一套具有筛查、定量描述和跟踪随访功能的新冠肺炎CT 图像自动分析系统。该系统首先利用RADLogics 公司( 名患者的测试数据集上分类的敏感度和特异度分别达到98.2%和92.2%。复旦大学上海公共卫生临床中心Shan与联影智能Gao等[78]的“新冠肺炎CT+AI智能辅助分析系统”使用VB-Net模型结合CT影像实现了疑似病例优先阅片,感染区域自动勾画,对同一个病人全肺和肺叶体积和密度提供随访评估等功能。该方法利用残差连接结构对V-Net[79]进行改进以适用于处理大型三维数据。同时,使用人工在环(Humanin-the-Loop,HITL)的迭代训练策略,帮助放射科医生完善每个病例的自动标注。该方法在300个患者的CT影像上进行测试,感染区域分割的Dice系数达到0.916,感染体积估算误差0.3%,能在4分钟之内完成人工需要1~5个小时标注的工作量。
2.2.5 骨骼医学影像
骨骼成像可以辅助骨龄评估、对脊椎和膝关节等相关疾病进行检测等。骨骼的成熟经历了一系列不连续的发育阶段,而骨骼和实际年龄之间的差异能反映一定的生长问题。在临床上,经常通过未成年人的手骨X光片来对其骨龄进行评估。X光片的光照不均匀性、个体间骨骼形态的差异性等因素加大了手骨分割的难度。Lee 等[80]使用GoogLeNet 实现了骨龄的自动评估,并使用注意力图实现模型的可视化。模型的注意力图可以揭示模型关注哪些区域特征来执行骨龄评估,该方法与人类专家手动进行骨龄评估时所观察的情况相一致,而且只需更短的时间就能获得更准确、更高效的骨龄评估。在含有4 278 张女性和4 047 张男性的X 光片数据集上,该模型的骨龄预测结果的准确率分别为57.32%和61.40%。Spampinato等[81]结合CNN与回归网络设计的BoNet模型实现了对不同年龄段、种族和性别的儿童进行骨龄评估。该方法在一个1 391例儿童X光线扫描数字手部图像集数据库[82]上的结果显示,在所有种族、性别和年龄范围内的骨龄预测平均绝对误差为0.79岁。然而,来自不同设备和采集条件的手部X光片在尺度、方向、曝光等方面会存在差异,这会导致模型的性能下降。Iglovikov 等[83]通过对手部X 光片进行严格的预处理来解决上述问题,提高了骨龄预测模型的鲁棒性。该方法首先通过U-Net 模型来分割手部区域并去除背景;然后对图像进行对比度归一化,并通过检测中指指尖、小拇指指尖和头状骨中心3个关键点从而将图像匹配到一个共同的坐标空间中;最后从已完成匹配的图像中裁出整个手部、腕骨头、掌骨近端趾骨3 个特定区域来训练VGG 族的CNN 模型进行骨龄的预测。该方法在RSNA2017儿童骨龄评估挑战赛(
基于CT 图像的脊柱椎体分割对于引导诊断、手术计划等方面具有重要意义。由于椎骨外观相似、手术植入引起的异常病理曲度和图像伪影等原因,椎体的自动定位和识别仍然具有挑战性。Chen[84]等设计了一个能够在三维脊柱CT 图像上对CT 椎体进行自动定位和识别的Joint-CNN模型。该方法首先利用随机森林方法定位椎体候选区域,然后在CNN 模型末端使用两个并行的分类层来同时考虑单个椎体外观以及相邻椎体之间的依赖关系以实现椎体的识别,最后使用形状回归模型来对预测的椎体质心进行微调。该方法在MICCAI 2014椎骨定位与鉴定计算挑战(302个脊椎CT卷)的识别准确率达到了84.16%。Lessmann 等[85]利用脊柱椎体的固有顺序来简化检测问题,用迭代的方法使用3D U-Net对图像中椎体按顺序分割和识别,提升了训练效率和分割精度。该方法首先在低分辨率图像中利用3D U-Net 进行脊椎粗略分割获得可利用的上下文信息;然后在原始高分辨率图像中利用另一个结构相同的3D U-Net 重新分析,获得精细的分割。该方法在MICCAI 2014椎骨定位与鉴定计算挑战的数据集上将椎体分割的Dice值提升到了0.948。
文章来源:《生物医学工程学杂志》 网址: http://www.swyxgcxzzzz.cn/qikandaodu/2021/0619/606.html