文章摘要
马超，冯小晨，杨家诚，林丽娜，张雪媛，王晓雯，任菲，邵成伟，曹鹏，曹凯.基于深度学习模型的颈椎MR图像脊髓及椎管自动测量[J].放射学实践,2024,(11):1514-1520
基于深度学习模型的颈椎MR图像脊髓及椎管自动测量
  
DOI：10.13609/j.cnki.1000-0313.2024.11.014
中文关键词: 磁共振成像  颈椎  深度学习  自动分割  自动测量
基金项目:国家自然科学基金面上项目（82372045）；上海市自然科学基金面上项目（23ZR1478400）
作者单位
马超，冯小晨，杨家诚，林丽娜，张雪媛，王晓雯，任菲，邵成伟，曹鹏，曹凯 200433上海，中国人民解放军海军军医大学第一附属医院放射诊断科（马超、冯小晨、杨家诚、林丽娜、邵成伟、曹凯） ；200003上海，中国人民解放军海军军医大学第二附属医院脊柱外科（曹鹏） ；401329重庆，重庆知见生命科技有限公司（张雪媛、王晓雯） ；100190北京，中国科学院计算技术研究所处理器芯片全国重点实验室（任菲） 
摘要点击次数: 176
全文下载次数: 240
中文摘要:
      【摘要】目的：探讨深度学习实现颈椎MR脊髓和椎管自动测量的可行性。方法：回顾性收集558例颈椎MR图像，以8：1：1的比例随机分为训练集（n=436）、调优集（n=61）和测试集（n=61）。由一位低年资医师标注所有图像的椎管和脊髓，在测试集中测量脊髓最大受压程度、椎管最大狭窄程度、横截面积及压缩比，由一位主任医师审核所有结果后作为金标准。另一位高年资医师在测试集中进行测量作为人工组结果。以Swin Transformer为骨干网络的深度学习模型进行的分割和测量作为模型组结果。采用Dice相似系数 （DSC）、交并比（IoU）评价模型分割性能。使用组内相关系数（ICC）、Bland-Altman散点图比较各组结果一致性。结果：测试集中，深度学习模型分割脊髓（横轴面、矢状面）和椎管（矢状面）的DSC值（%）为93.10±0.57、94.60±0.09、86.17±0.22，IoU值（%）为87.09±1.00、89.76±0.17、75.70±0.34。人工组、模型组和金标准的ICC值为0.770~0.945，模型组与金标准的组间ICC值为0.782~0.913，人工组与金标准的组间ICC值为0.692~0.903，三组之间的差异具有统计学意义（P＜0.001）。结论：深度学习模型对颈椎MR椎管和脊髓的分割测量具有较高准确性。
      
查看全文   下载PDF阅读器
关闭