基于小波卷积的Cobb角自动估计

《Biomedical Signal Processing and Control》：Automatic estimation of Cobb angle based on wavelet convolution

自动测量脊柱侧弯Cobb角的方法，提出基于小波卷积和双流通道注意力机制的U-Net变体WA-SEUNet，通过多尺度特征提取和降噪提升脊椎分割精度，实验在AASCE 2019数据集上平均Dice系数达0.9432，角度误差2.24°，优于传统回归和地标检测方法。

　　在脊柱侧凸的诊断与治疗决策中，准确测量Cobb角具有重要意义。Cobb角是评估脊柱后前位（PA）X光片上曲线程度的标准指标，其测量过程通常依赖于识别脊柱曲线两端最严重的倾斜椎体。传统的人工测量方法存在较大的主观差异，这可能导致临床判断的不一致。因此，开发一种全自动的Cobb角测量方法，不仅能够减少观察者间的误差，还能提高诊断的准确性和一致性。

当前，一些基于深度学习的自动Cobb角测量方法已经被提出。这些方法大致可以分为两类：一类是基于回归模型，直接根据X光片中的脊柱形状输出Cobb角；另一类则是基于关键点检测或椎体分割的方法。回归模型虽然能够快速输出结果，但其缺乏临床解释性，无法明确指出哪些椎体决定了Cobb角。关键点检测方法虽然在一定程度上提供了解释性，但对定位误差非常敏感，这种误差可能会严重影响最终的Cobb角计算结果。

为了克服上述问题，本文提出了一种基于椎体分割掩膜的自动Cobb角测量方法。该方法首先对脊柱X光片进行高精度的椎体分割，然后利用分割结果计算每个椎体的倾斜角度，最终识别出倾斜角度差异最大的两个椎体作为端椎，并据此计算Cobb角。这种方法不仅能够提高测量的准确性，还能增强临床解释性，使医生更容易理解测量过程和结果。

本文提出的多尺度小波卷积增强Cobb角估计框架（MWCE-CE）包括三个主要部分：图像预处理单元、基于小波注意力机制的U-Net网络和Cobb角计算单元。其中，核心的分割网络被命名为WA-SEUNet。在编码器阶段，我们引入了小波残差特征提取模块（WRFE），该模块能够增强模型对脊柱X光片中特定椎体纹理的识别能力，并提高其对噪声的鲁棒性。在解码器阶段，我们采用了双流通道注意力模块（DSCA），该模块能够整合局部到全局的信息，从而提高分割的准确性。

在实验方面，我们使用了公开的AASCE 2019挑战数据集进行测试。该数据集由加拿大伦敦健康科学中心的EOS医学成像系统收集。训练集的标签由两位专业医生提供，每个椎体被标记为四个相对的角落点。通过在相同的数据集上使用相同的计算机和实验参数进行测试，我们验证了WRFE和DSCA模块的有效性。实验结果显示，该方法在椎体分割任务中达到了较高的平均Dice相似度系数（DSC）和分割精度，而在Cobb角测量任务中，圆周均方误差（circular mean absolute error）为2.24°，优于现有的先进方法。

在图像预处理阶段，我们对脊柱X光片进行了标准化处理，包括调整对比度、去除噪声以及增强图像的清晰度。这些预处理步骤能够为后续的分割任务提供更清晰的输入图像，从而提高分割的准确性。在分割网络中，我们采用了一种改进的U-Net架构，即WA-SEUNet。该网络在编码器阶段引入了小波卷积，以增强模型对不同频率特征的处理能力，同时减少计算成本。在解码器阶段，我们采用双流通道注意力机制，通过将特征图分解为低频和高频部分，提高模型的抗噪能力。

此外，为了进一步提高模型的泛化能力和性能，我们还采用了以数据为中心的数据增强策略。这些策略包括自动策略搜索和病变感知增强方法，如LesionMix。这些方法能够在不修改网络架构的情况下，增强模型对不同脊柱X光片的适应能力。通过结合这些增强策略，我们能够提高模型在不同数据集上的表现，从而确保其在实际应用中的稳定性。

在实验结果方面，我们对不同网络架构进行了消融实验，以验证WRFE和DSCA模块的有效性。实验结果显示，引入小波残差特征提取模块能够有效提高模型对脊柱X光片中椎体纹理的识别能力，而双流通道注意力模块则能够整合局部到全局的信息，从而提高分割的准确性。通过比较不同网络在相同数据集上的表现，我们发现本文提出的WA-SEUNet在分割任务中表现优异，其平均Dice相似度系数达到0.9432，分割精度达到0.9833。

在Cobb角计算单元中，我们通过识别椎体分割掩膜的最小外接矩形，计算每个椎体的倾斜角度。然后，根据倾斜角度的差异，确定端椎，并计算这两个端椎的中线之间的角度作为Cobb角。这种方法不仅能够提高Cobb角测量的准确性，还能增强临床解释性，使医生能够更直观地理解测量结果。

通过上述方法，我们成功开发了一种全自动的Cobb角测量系统，该系统能够有效减少测量误差和时间消耗，提高脊柱侧凸评估的准确性和一致性。该系统的成功应用，为临床医生提供了一种高效、可靠的工具，使他们能够更准确地评估脊柱侧凸的程度，并据此制定更合理的治疗方案。

在实际应用中，该系统可以广泛用于脊柱侧凸的筛查、诊断和随访。通过自动化测量，医生可以节省大量的时间和精力，同时减少人为误差的影响。此外，该系统还可以与现有的医学影像分析工具集成，提高整体的诊断效率和准确性。未来的研究可以进一步优化网络结构，提高模型在不同数据集上的泛化能力，同时探索更高效的数据增强策略，以提高模型的鲁棒性和稳定性。

总之，本文提出的MWCE-CE框架在脊柱侧凸的Cobb角测量中表现出色，其通过引入小波卷积和双流通道注意力机制，提高了椎体分割的准确性，从而增强了Cobb角测量的可靠性。该方法不仅能够减少测量误差，还能提高临床解释性，为脊柱侧凸的诊断和治疗提供更科学、合理的依据。