MMA-Net：自动柯布角度测量的多形态感知网络

Sep, 2023

MMA-Net：自动柯布角度测量的多形态感知网络

MMA-Net: Multiple Morphology-Aware Network for Automated Cobb Angle Measurement

Zhengxuan Qiu, Jie Yang, Jiankun Wang

TL;DR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。

Abstract

scoliosis diagnosis and assessment depend largely on the measurement of the Cobb angle in spine X-ray images. With the emergence of deep learning techniques that employ landmark detection, tilt prediction, and sp

scoliosis diagnosis cobb angle measurement deep learning multiple morphology-aware network (mma-net)automated spine x-ray analysis

发现论文，激发创造

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

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

Seg4Reg+: 脊柱分割和 Cobb 角度回归之间的一致性学习

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。

Aug, 2022

通过亲和聚类自动测量青少年特发性脊柱侧弯的超声曲线角度

通过使用自动超声曲线角度测量模型，我们提出了一种能自动定位骨性标志物并进行角度测量的方法，成功实现了对超声背景下脊柱曲率的测量，为超声脊柱侧弯评估提供了一种具备潜在替代手动指标的可能性。

May, 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

从 DXA 扫描预测脊柱几何形态与脊柱侧弯

本研究中，我们旨在通过 DXA 扫描来估计脊柱曲度。我们首先使用神经网络训练来预测扫描中的中间脊柱曲线，然后使用基于积分的方法来确定脊柱曲线的曲度。我们使用曲度与使用 DXA 脊柱侧弯法（DSM）获得的标准角度脊柱侧弯测量进行比较。性能优于 Jamaludin 等人 2018 年的先前工作。我们表明最大曲度可以作为评分函数，用于按照脊柱变形的严重程度进行排序。

Nov, 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

基于形态学的交互式关键点估计

提出了一种使用深度神经网络的自动医学影像识别方法，通过用户交互式系统可以检测和修正医学影像中的解剖关键点，达到减少人工修订成本的目的。

Sep, 2022

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

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