Detection of Vertebral Fractures in CT Using 3D Convolutional Neural Networks

Abstract

Osteoporosis induced fractures occur worldwide about every 3 seconds. Vertebral compression fractures are early signs of the disease and considered risk predictors for secondary osteoporotic fractures. We present a detection method to opportunistically screen spine-containing CT images for the presence of these vertebral fractures. Inspired by radiology practice, existing methods are based on 2D and 2.5D features but we present, to the best of our knowledge, the first method for detecting vertebral fractures in CT using automatically learned 3D feature maps. The presented method explicitly localizes these fractures allowing radiologists to interpret its results. We train a voxel-classification 3D Convolutional Neural Network (CNN) with a training database of 90 cases that has been semi-automatically generated using radiologist readings that are readily available in clinical practice. Our 3D method produces an Area Under the Curve (AUC) of 95% for patient-level fracture detection and an AUC of 93% for vertebra-level fracture detection in a five-fold cross-validation experiment.

Artificial intelligence for diagnosis of vertebral compression fractures using a morphometric analysis model, based on convolutional neural networks

“…Это позволяет эффективно компенсировать основные виды деформации позвоночного столбаестественные изгибы (кифоз/лордоз), сколиоз, торсионную деформацию. Подобный подход также реализован в Zebra [11,14].…”

“…В литературе описаны подходы автоматической детекции КП по результатам лучевых исследований разной модальности: КТ [11][12][13][14]15], денситометрии в боковой проекции [24], магнитно-резонансной томографии. Технологии ИИ привлекательны не только для распознавания КП, но и для диагностики других патологических переломов, например, дистальной трети предплечья [25].…”

“…позвонков на КТ-изображениях [9,10,11] или проведения сегментации позвоночника [12,13,14]. Однако даже при наличии высокой точности обнаружения КП разработанные классификаторы не позволяют количественно оценить степень компрессии позвонка.…”

“…Для автоматического выявления КП с использованием ИИ за рубежом были разработаны различные подходы, которые имеют как сильные стороны, так и ограничения. Часть методов, применяющих различные подходы ИИ, основана на определении вероятности КП отдельных позвонков у пациентов (например, более 50% признается как достоверный признак наличия КП) [11,14,15]. Также применяется морфометрический анализ на основании разделения позвонка на 17 секторов [12], отличный от рекомендованного в базовой публикации [16], с полуколичественной классификацией степени компрессии.…”

Applications of Machine Learning to Imaging of Spinal Disorders: Current Status and Future Directions

“…Some researchers have attempted to apply a CNN to detect thoracolumbar osteoporotic fractures. Nicolaes et al 31 used a training database of 90 CT scans, which were labeled with localizing information by 2 raters. This group made use of a 3D CNN and achieved accuracy similar to previously published reports.…”