Rilevamento di landmark vertebrali per imaging spinale
Progetto di ricerca · Università “G. d’Annunzio” / Cyber Surgery
Pipeline deep learning per la localizzazione automatica dei centroidi vertebrali toracici T1–T11 su DRR generate da volumi TC, con confronto tra YOLO-Pose e HRNet-W18 e valutazione su split patient-level.
YOLO-Pose MAE≈13.2 px
YOLO→HRNet MAE≈4.6 px
PCK@5≈0.87
Obiettivo
Il progetto ha affrontato la localizzazione automatica dei landmark toracici come componente per l’inizializzazione della registrazione 2D–3D in workflow di imaging per chirurgia spinale.
Metodo
DRR generate da volumi TC con proiezione automatica dei landmark anatomici da 3D a 2D.
Split train/validation/test patient-level con controllo del data leakage.
YOLO-Pose per la localizzazione globale e HRNet-W18 per il raffinamento locale mediante heatmap.
Valutazione quantitativa mediante errore di localizzazione, PCK e metriche basate sulla distribuzione degli errori.
Risultati
L’errore medio di localizzazione è sceso da circa 13,2 px con YOLO-Pose a circa 4,6 px dopo il raffinamento HRNet. La mediana è risultata circa 1,9 px, con PCK@5 ≈ 0,87.
Raffinamento HRNet mediante heatmap lungo la colonna toracica.Confronto della distribuzione degli errori tra YOLO e YOLO→HRNet.
Immagini tratte dal materiale originale di tesi/ricerca.
