ORF-Net：深度全监督肋骨骨折检测 | 计算机与医学图像领域 ...

马志得

MICCAI是由国际医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society) 举办，跨医学影像计算(MIC)和计算机辅助介入 (CAI) 两个领域的综合性学术会议，是该领域的顶级会议。近日，视见科技AI研发团队（柴志忠、林黄靖）、香港中文大学骆路阳博士、香港中文大学陈浩教授和深圳先进技术研究院王平安教授联合发布的1项科研成果被MICCAI 2022收录，在深度全监督肋骨骨折检测技术上取得了创新性进展。


肋骨骨折是胸部损伤中最常见的疾病。虽然大多数骨折只需要保守治疗，但肋骨骨折引起的并发症对患者来说可能有生命危险，患者的死亡率会随着肋骨骨折数量的增加而上升。因此，准确识别和定位肋骨骨折对于胸外伤患者具有重要的临床价值。然而，在CT图像中对肋骨骨折的识别是繁琐且费力的，尤其是对细微肋骨骨折和扣带肋骨骨折，导致临床实践中出现肋骨骨折的漏诊和误诊。最近，基于大量的标注数据，深度学习在肋骨骨折的检测任务上已经取得了与经验丰富的放射科医生相当的性能。但是精细的框标注非常的耗时耗力，且需要专业知识，这对于肋骨骨折的检测来说是一个相当大的挑战。
在本文中，我们提出了一种新颖的全监督对象检测网络，它可以利用多种不同形式的标注数据来进一步提高检测性能。
文章链接：https://arxiv.org/pdf/2207.01842

01  研究内容
我们提出的全监督网络包含一个全监督检测头来处理不同注释形式的数据的训练。此外，为了动态地为每种注释形式的数据进行标签分配，我们设计了一种标签分配策略，该策略使用来自多个分类分支的预测概率作为指导。最后，我们引入了置信度感知分类损失来强调具有高置信度的样本并抑制噪声样本。广泛的实验结果表明，我们提出的方法始终优于其他最先进的方法，证明了深度全监督学习在肋骨骨折检测任务中的有效性。



图1 基于全监督学习的肋骨骨折检测网络

数据集：
我们共收集了 2239 例肋骨骨折患者的 CT 图像，其中 685 例为框标注数据，450 例为点标注数据，1104 例为无标注数据。然后我们将 685 例框标注数据分为训练数据集（224）、验证数据集（151）和测试数据集（310）。

算法概述：
ORF-Net包含特征金字塔网络和用于预测分类概率和定位信息的全监督检测头。对于每种形式的标注数据，ORF-Net都有一个相对应的分类分支，我们设计了一个动态分配标签的策略来训练不同的分类分支。最后，我们在不同标注形式数据的不确定区域上使用了置信度分类损失，来进一步提升模型的性能。

02  方法验证实验
我们与其他最先进的半监督检测方法进行了比较。如表一所示，



表1 相同测试数据集在不同模型的表现对比

如果只训练点标注数据中的标注点，FCOS依然能有1.4%的mAP和0.7%的提升。我们的方法在添加点标注数据训练后有更大的提升（2.4%的mAP和2.6%的AP50)，证明我们所提出的方法在利用点标注数据上的有效性。此外，在使用所有数据的情况下，我们的方法优于所有其他的半监督方法，在mAP上至少提升0.9%，在AP50上至少提升1.9%。定性比较如图2所示，可以看出，ORF-Net能够得到更好的肋骨骨折检测结果。



图2 与FCOS 、AALS相比，ORF-Net在测试集上的定性比较更佳

此外，我们还进行了消融研究以在表2中分析我们提出的方法的贡献。



表2 验证数据集的消融研究

结果表明，在使用框标注数据和点标注数据的时候，IGM比SGM提升了1.1%的mAP和1.5%的AP50，CA提升了1.4%的AP50。在使用全部的数据时，IGM比SGM提升了1.4%的mAP和1.2%的AP50，CA提升了1.2%的mAP。

03  贡献总结
在本文中，我们提出了一种全监督学习方法，用于从胸部 CT 扫描中检测肋骨骨折。所提出的全监督网络可以动态地对不同标注形式的数据进行标签分配，从而利用各个级别的监督来进一步提高检测性能。在测试数据集上进行的大量实验证明了我们的方法在利用各种注释粒度方面的效率。此外，所提出的方法是通用的，可以很容易地扩展到目标检测的其他任务。

04  临床应用价值
肋骨骨折一般是因为暴力直接作用于肋骨，可使肋骨向内弯曲折断，间接暴力挤压使肋骨向外弯曲折断。老年人肋软骨骨化且骨质疏松，容易发生肋骨骨折，已有恶性肿瘤转移灶的肋骨也容易发生病理性骨折。肋骨毗邻肋间神经，肋骨骨膜和壁层胸膜有丰富的感觉神经分布，骨折断端如果向内移位可刺破胸膜、肋间血管和肺组织，产生血胸、气胸、皮下气肿或咯血。伤后骨折断端移位造成的损伤可导致迟发性血胸或血气胸，肋骨骨折断裂线和断端错位常提示相对严重的胸壁不稳定，易发生愈合延迟或持久疼痛。
因此，准确使用CT图像快速诊断和持续监测肋骨骨折的发生和发展，对于临床降低肺部并发症，减少机械通气支持，缩短ICU停留和住院时间，降低相关治疗费用至关重要。

05  关于深圳视见医疗科技有限公司
深圳视见医疗科技有限公司是国内以人工智能赋能医疗为核心的领先高科技创新企业，公司愿景是成为全球AI病理领域的创新引领者。总部位于深圳，核心技术为以独创锚点ScanNet为主的系列深度学习算法库，搭建了3大核心平台：标注平台、病理学平台和影像学诊断平台，形成了以数字化病理整体解决方案为核心，囊括癌症，心脑血管等多种慢性病辅助诊疗产品和整体方案布局。核心技术团队累计发表文献Google Citation达到24000+ ，获得13项国内专利、10+项软著、2项PCT和5项美国专利，获得20余项国际挑战赛冠军。迄今为止，视见产品和服务已达成超过50家医院临床应用，和包括四川大学华西医院、中山附属肿瘤医院、香港威尔斯亲王医院在内的百余家医院建立了合作和研发关系。

露露儿童

不错 支持一个了