| 郭丽， 赵凯， 朱逸峰， 张耀峰， 李世佳， 张晓东， 王霄英.使用U-Net 深度学习网络对腰椎矢状T2WI图像自动分割的可行性研究[J].放射学实践,2022,(02):229-234 |
| 使用U-Net 深度学习网络对腰椎矢状T2WI图像自动分割的可行性研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2022.02.016 |
| 中文关键词: 腰椎 磁共振成像 深度学习 |
| 基金项目: |
|
| 摘要点击次数: 1694 |
| 全文下载次数: 1851 |
| 中文摘要: |
| 【摘要】目的：研究训练U-Net模型自动分割腰椎矢状面T2WI图像中各结构的可行性。方法：回顾性搜集腰椎矢状面T2WI图像数据，共获得80个矢状面T2WI序列。由2位影像医师手工标注矢状面腰椎椎体、椎间盘、椎间孔、椎管/硬膜囊、脊髓及马尾神经。将数据随机分为训练集、调优集和测试集，使用U-Net网络分两步（coarse-to-fine）训练腰椎矢状T2WI分割模型。模型评价指标包括客观评估（Dice系数）和主观评估。结果：11例测试集数据中U-Net模型预测腰椎5个解剖部位分割的Dice值分别为椎体0.82~0.9（平均0.864）、椎间盘0.86~0.92（平均0.898）、椎管/硬膜囊0.76~0.87（平均0.837）、椎间孔0.6~0.76（平均0.67）、脊髓及马尾神经0.55~0.9（平均0.669）。主观评估各解剖部位分割满意率分别为椎体〖JP2〗97.5%、椎间盘97.9%、椎管/硬膜囊86.4%、椎间孔76.7%、脊髓及马尾神经78.6%。结论：基于U-Net 深度学习网络对腰椎矢状T2WI图像的解剖结构进行自动分割是可行的。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
