获取途径

作者

余海涛 姚倩倩 谢小峰 李珊珊 邱慧 施则人 王平 陈颜真 秦健

作者单位

¹海南大学机电工程学院 ²山东第一医科大学第二附属医院影像科 ³杭州时迈智能技术有限公司 ⁴医智源健康科技（杭州）有限公司

刊名

临床放射学杂志

年份

2023

卷号

第42卷

期号

第4期

页码

639-644

ISSN

1001-9324

关键词

脊柱成像 皮质分离 3D U-Net 深度学习 分割

分类号

R816.4;R580

摘要

目的 对胸部CT脊柱成像进行皮质分离，分割出皮质骨区域并进行后续诊断分析，计算出其厚度、周长、体积等形状信息，能更好地观察皮质骨厚度的变化趋势，判断是否有骨质疏松症的风险，辅助医师提升诊断效率。方法 基于以上需求，将采集到的227例三维图像按7∶2∶1分为训练集、验证集和测试集，利用深度学习与CT扫描图像相结合。通过实验对比3D U-Net、Res U-Net、Ki U-Net和Seg Net之间的优劣，最终选择3D U-Net深度网络作为分割方法。该网络包含了编码部分和一个对应的解码部分，编码部分用于分析整张图像并进行特征提取与分析，解码部分则对应生成一张分割好的块状图。结果 3D U-Net在验证集上的Dice相似系数达到了0.7433,测试集上达到了0.7263,优于其他三种方法。结论 3D U-Net方法能够有效地分割皮质骨。

文献类型

期刊

浏览量

59