知識分享

基於深度學習之腰椎節滑脫異常偵測技術

建立日期:2019/10/15
  • 作者: 工研院量測中心/劉曉薇、周森益;工研院生醫所/張方杰、陳冠任、蔡佩宜
  • 出處: 2019 AOI論壇與展覽
  • 內容: 人口老化快速、久坐的工作型態及過度使用行動裝置等生活型態因素下,使脊椎病變包含椎節滑脫、椎間盤突出、椎體壓迫性骨折或退化性關節炎等案例持續增長,國內椎間融合裝置手術每年至少兩萬例。本研究在醫療影像診斷應用範疇收集X-Ray案例術前與術後影像,基於Unet網路模型執行X-RAY影像椎節切割測試與驗證,自動偵測椎節區域計算mIOU可達80.16%,輸入多張影像利用GPU推論時間可每張影像可小於80毫秒,之後再利用切割好之區域透過影像處理定義極值座標點,並且透過PGrade與 PSD (Piecewise Slope Detection; PSD)偵測腰椎節是否有滑脫跡象,滑脫異常偵測率可達76.9%,以利協助輔助醫師診斷X-Ray影像滑脫現象。
  • 檔案下載:全文下載
  • 下載次數:45