Seg4Reg+: 脊柱分割和 Cobb 角度回归之间的一致性学习

Aug, 2022

Seg4Reg+: 脊柱分割和 Cobb 角度回归之间的一致性学习

Seg4Reg+: Consistency Learning between Spine Segmentation and Cobb Angle Regression

Yi Lin, Luyan Liu, Kai Ma, Yefeng Zheng

TL;DR本文提出了一种名为 Seg4Reg+ 的多任务框架，通过优化分割和回归网络，探索了它们之间的局部和全局一致性以及知识迁移，并在公共数据集上进行了评估，证明了其在 Cobb 角估计方面的有效性和卓越表现。

Abstract

automated methods for cobb angle estimation are of high demand for scoliosis assessment. Existing methods typically calculate the Cobb angle from landmark estimation, or simply combine the low-level task (e.g., l

automated methods cobb angle estimation multi-task framework segmentation regression networks

发现论文，激发创造

结构化多输出回归直接估计脊柱 Cobb 角

本文提出一种新方法（结构化支持向量回归），同时评估脊柱 X 光片上的 Cobb 角和脊柱关键点，且该方法可应用于临床。经 439 名脊柱侧弯患者的数据测试，本方法的相关系数达到 92.76％，且有效地超越了两个基本线方法。

Dec, 2020

MMA-Net：自动柯布角度测量的多形态感知网络

本研究提出了一种名为多形态感知网络（MMA-Net）的新框架，通过整合多种脊柱形态作为关注信息，改进了 Cobb 角度测量的准确性，实现了自动化的、高效的、可靠的脊柱 X 光分析。

Sep, 2023

ACSGRegNet：基于深度学习的腰椎 CT 联合仿射和变形配准的无监督框架，通过交叉自注意融合实现

该研究提出了一种新的基于深度学习的框架 ——ACSGRegNet，该框架通过集成交叉关注模块和自关注模块来实现无监督的仿射和差分变形配准，通过在脊柱 CT 图像上进行广泛的实验，已经取得了比现有方法更好的结果。

Aug, 2022

深度学习与多位专家观察者比较下的 Cobb 角度测量自动化

我们创建了全自动软件，使用深度神经网络检测和分割脊柱区域、确定最严重倾斜的椎骨、并在原始图像上直观显示 Cobb 角度，相较于手动测量方法，平均误差仅为 4.17 度，具有优越的测量可靠性，可望应用于临床，提高侧弯性脊柱的准确评估和诊断水平，改善病患护理。

Mar, 2024

B-Spine: 学习 B 样条曲线表示的鲁棒和可解释的脊柱曲率估计

本文提出了 B-Spine，这是一个用于学习脊柱的 B 样条曲线表示并从低质量 X 射线图像中估计脊柱曲率的新型深度学习流程。通过在初始分割结果上生成高质量脊柱掩模的 SegRefine 网络，该方法对低质量输入图像进行预测，并利用曲线斜率分析和基于曲线的回归模型估计 Cobb 角度，从而在公开的 AASCE2019 数据集和我们提出的 CJUH-JLU 数据集上展示了其在稳健性和解释性方面的优越性能。

Oct, 2023

脊柱手术无标记外科导航的连续姿态跟踪自动注册

本文提出了一种无辐射方法的自动注册方案，使用深度神经网络自动解决腰椎融合手术的注册问题，并结合增强现实导航系统提供直观的手术引导。在公开数据集上验证了注册方法并获得较高的注册成功率和精度，在离体手术中也取得了良好的结果，展现了 RGB-D 数据在自动注册方法和增强现实引导中的潜力。

Aug, 2023

监测病变增长的纵向脊柱 CT 图像配准

实现自动且鲁棒的纵向脊柱图像配准对于评估疾病进展和手术结果至关重要，本文提出了一种新颖的方法，通过深度学习模型自动定位、标记和生成三维表面，然后使用高斯混合模型表面配准实现纵向脊柱 CT 图像对齐并准确评估病变进展，实验证明该方法在 37 个椎体、5 名患者的基线和 3、6、12 个月后的随访图像上显示出了平均 Hausdorff 距离为 0.65 毫米和 Dice 分数为 0.92 的准确配准。

Feb, 2024

基于全局唯一实例坐标回归的大规模联合语义重定位与场景理解

本研究提出了一种新颖的联合语义本地化和场景理解方法，通过训练卷积神经网络，通过物体实例的自我表征和 6-DoF 相机姿态预测来实现 3D 场景坐标估计，并且相比直接姿态回归或基于场景坐标的姿态估计算法更加准确。

Sep, 2019

基于图像的定位的场景坐标和对应关系学习

本篇论文提出了一种使用深度学习，通过像素级的场景坐标回归来进行相机姿态估计的方法，并通过回归的置信度值对相应的姿态进行自我校正和提高精度。

May, 2018

使用特定参数初始化的嵌入式特征相关性优化用于二 / 三维配准

本文提出了一种基于深度学习的框架 (COSPI) 解决 2D/3D 图像配准问题，包括参数初始化模块和细微注册网络，使用多尺度特征提取和特殊的训练技术，论文实验证明 COSPI 方法在精度和运行时间方面优于现有的学习和优化方法，具有很好的初始姿态估计潜力。

May, 2023