本文提出了一种基于变压器的新型模型架构,用于涉及椎骨分析的医学成像问题。它考虑了此类模型在MR图像中的两种应用:(a)脊柱转移的检测以及椎骨骨折和转移索压缩的相关条件,(b)椎间盘上常见变性变化的放射学分级。我们的贡献如下:(i)我们提出了一个脊柱上下文变压器(SCT),这是一种适合分析椎体(VBS)等医学成像中重复解剖结构的深度学习结构。与以前的相关方法不同,SCT考虑了所有可用图像模式中观看的所有VBS,从而根据脊柱的其余部分和所有可用成像方式对每种图像进行了预测。 (ii)我们将体系结构应用于新颖而重要的任务:检测脊柱转移以及绳索压缩和椎骨骨折的相关条件/多系列脊柱MR扫描中的崩溃。这是使用从自由文本放射学报告中提取的注释而不是定制注释来完成的。然而,最终的模型表现出与测试集上椎骨级别放射科医师注释的强烈一致性。 (iii)我们还将SCT应用于现有问题:腰椎MR扫描中脊椎间盘(IVD)的放射学分级以进行常见的退化性变化。我们表明,通过考虑图像中椎体的背景,SCT提高了SCT的上下文,提高了SCT的准确性与先前发布的模型相比,几个等级。
translated by 谷歌翻译