BoneContourNet-Vis：一种轻量级的端到端深度学习框架，用于骨科手术中的实时超声骨骼成像

《Computer Methods and Programs in Biomedicine》：BoneContourNet-Vis: A Lightweight End-to-End Deep Learning Framework for Real-Time Ultrasound Bone Imaging in Orthopedic Surgery

　　

王学虎|宋林|邱涵|秦彦茹|潘志豪|张志远|郑永昌|邢立红|尹晓平

中国保定，河北大学电子与信息工程学院

摘要

背景与目标

实时超声骨骼可视化对于骨科手术导航至关重要，但目前的方法依赖于“分割-然后渲染”的两阶段流程，这增加了延迟，并将增强效果与原始图像上下文分离。由于声学阴影和角度敏感性，这些方法还难以处理不连续的骨骼轮廓，从而限制了其临床实用性。我们旨在开发一个新的端到端深度学习框架，以克服这些挑战并提供实时的、连续的骨骼可视化。

方法

我们将超声骨骼可视化重新定义为一种直接的引导叠加任务：一个深度网络预测一个校准后的骨骼概率图，并将其与超声图像融合，消除了单独的掩膜渲染步骤。基于这一概念，我们开发了BoneContourNet-Vis，这是一个基于ConvNeXt V2 Nano架构的轻量级端到端模型，具有强大的特征提取能力和高吞吐量推理能力。该网络包含三个专用模块：边缘注意力模块（EAM）用于增强薄皮质边缘，物理感知交互模块（PIM）用于将声学阴影和相位先验注入深度特征，以及轮廓自适应模块（CAM）通过基于图的细化来确保平滑、连续的骨骼轮廓。

结果

在Bone100K数据集（约100k张超声图像）上的全面评估表明，我们的方法优于代表性方法（例如HiFormer、MedNeXt、MedSAM），其Dice值为0.933，IoU值为0.875，精确度为0.96，召回率为0.91，特异性为0.95，HD95值为6.52像素，ASSD值为2.07像素，同时实现了每秒约109帧的帧率（延迟9.18毫秒）——满足了术中实时要求。即使在强声学阴影条件下，我们的方法也能显示更完整和连续的骨骼轮廓，并保持了原始超声的灰度上下文。

结论

所提出的BoneContourNet-Vis框架在不牺牲推理速度的情况下，提高了超声骨骼成像的完整性和可解释性。它提供了一种准确且实时的骨骼可视化解决方案。在未来的工作中，该框架可以扩展到多平面或动态超声序列，以实现实时的三维骨骼重建。结合光学跟踪和探头校准，该方法可以进一步提高毫米级的定位精度，从而为临床骨科导航、术中指导和快速床边骨折评估提供强大的技术支持。

章节片段

引言

超声具有实时、无辐射和低成本的特点，适用于骨科筛查和术中导航[[1], [2], [3]]。然而，由于皮质处的镜面反射、骨骼下的声学阴影、斑点噪声以及对探头入射角度的强烈依赖性，超声中骨骼结构的可靠可视化仍然具有挑战性[[4], [5], [6], [7], [8]]。这些因素常常导致皮质轮廓不连续或缺失，从而限制了

方法

BoneContourNet-Vis是一个端到端的轻量级超声骨骼可视化网络，解决了三个长期存在的问题：延迟、描绘不完整和可解释性有限。如图1所示，它采用ConvNeXt V2 Nano作为骨干，结合了强大的表示能力和高吞吐量推理[27,28]。在此基础上，我们在不同阶段引入了三个互补模块——浅层编码器中的边缘注意力模块（EAM）、物理感知交互模块（PIM）等

数据集与划分

本研究使用了两种不同的超声（US）数据源。

• (1). Bone100K[24]：共保留了51,490帧图像，其中828帧因皮质骨骼结构过度扭曲或不明显而被排除。由于原始数据集是按单个图像级别组织的，因此根据患者来源和序列标识符对图像进行分组，并将其视为近似的患者级单元。这种策略防止了同一患者的图像出现在不同部分

结果

在这项研究中，选择了六种具有代表性的分割方法作为基线模型进行综合比较：具有分层多尺度Transformer架构的HI-Former-b/l [34]，集成并扩展了卷积网络和Transformer的MedNeXt [35]，专为医学图像中的小样本泛化设计的MedSAM [13]，以及轻量级的卷积-Transformer混合模型MobileUNETR [36]，以及简洁高效的轻量级网络EfficientSeg [37]。这些

主要发现

本研究将超声骨骼可视化重新定义为一次性的引导叠加过程，并在满足实时要求的同时，展示了在重叠度和边界精度方面的持续改进。在Bone100K数据集上，所提出的BoneContourNet-Vis在Dice值和IoU值上优于强大的CNN/Transformer基线模型，HD95值和ASSD值显著降低，中位延迟约为9毫秒（约109 FPS），输入尺寸为224×224像素。消融实验结果表明：(i) EAM能够保留薄的高回声皮质；(ii) PIM

伦理批准和参与同意

涉及人类参与者的研究已由河北大学附属医院的伦理委员会审查并批准（批准编号HDFY-LL-2021-048，批准日期2021年3月3日）。在数据收集之前，所有患者均已签署书面知情同意书，研究遵循《赫尔辛基宣言》进行。

公共数据集的使用。对公共数据集Bone100K的分析使用了其原始出版物中发布的数据，无需额外许可

生成式AI和AI辅助技术的声明

在准备本手稿期间，作者使用ChatGPT（OpenAI）来帮助改进英语语言和语法。使用该AI工具后，作者对内容进行了审查和编辑，以确保其准确性和原创性。作者对稿件的内容负全责。

CRediT作者贡献声明

王学虎：撰写——初稿，监督，软件，方法论，资金获取，正式分析，概念化。宋林：撰写——审阅与编辑。邱涵：撰写——审阅与编辑，可视化，验证，软件，方法论，数据管理。秦彦茹：撰写——审阅与编辑，验证，调查。潘志豪：验证，数据管理。张志远：撰写——审阅与编辑，正式分析。郑永昌：监督，资源提供。邢立红：