文章摘要
冷渌清，花蕊，石峰，陈明，吴玉桥，朱珠.人在回路深度学习垂体分割模型的建立[J].放射学实践,2024,(03):330-334
人在回路深度学习垂体分割模型的建立
  
DOI：10.13609/j.cnki.1000-0313.2024.03.005
中文关键词: 垂体  深度学习  人在回路  自动分割  迭代式训练
基金项目:四川省医学科研课题计划项目（S21103）
作者单位
冷渌清，花蕊，石峰，陈明，吴玉桥，朱珠 610058成都，成都影和医学影像诊断中心（冷渌清、吴玉桥、朱珠）；200030上海，上海联影智能医疗科技有限公司（花蕊、石峰）；629099四川，四川省遂宁市中心医院放射科（陈明） 
摘要点击次数: 221
全文下载次数: 244
中文摘要:
      【摘要】目的：采用深度学习方法，通过人在回路的方式进行迭代式标注-训练，建立垂体分割模型，实现垂体体积人工智能（AI）测量。方法：将1285例颅脑3D T1WI图像按5～15岁、16～25岁、26～50岁、51～70岁年龄段分组，每个年龄组随机选择80例，分成4批次进行试验。初始每组选择3例图像进行人工预标注神经垂体和腺垂体，输入计算机进行学习，获取初始模型。应用模型对一批数据进行分割，获得分割后的神经垂体、腺垂体与垂体总体积数据，将分割结果进行人工校准，获得校准后相对应的体积数据作为金标准。用前一组校准后的分割图像进行计算机迭代式学习优化模型，再用优化后模型对新一组图像分割与校准，重复上述过程，最终将校准前后差异没有统计学意义的数据认定深度学习建模成功。数据采用配对t检验、Dice和Spearman相关性分析进行统计。结果：从第2批次开始，除5～15岁年龄段外，其它年龄段神经垂体体积在校准前后的差异没有统计学意义，腺垂体与垂体总体积的差异有统计学意义（P<0.05）。第4批次，各年龄段神经垂体、腺垂体与垂体总体积在校准前后的差异均无统计学意义（P=0.137~0.928），Dice值大于0.941，Spearman相关系数大于0.969。结论：通过迭代式训练进行深度学习建模可构建垂体分割模型，实现垂体体积AI自动测量。
      
查看全文   下载PDF阅读器
关闭