基于眼肌语义分割和特征提取的甲状腺相关眼病诊断算法研究

摘要：

目的 甲状腺相关眼病(thyroid-associated ophthalmopathy,TAO)是常见的眼病之一,通过CT图像进行诊断和筛查对治疗有着重要意义,但传统方法依赖有经验的医生对CT进行分析和诊断,尚无有效的自动化方法.为此本文提出一种可以从CT图像中自动提取特征进行TAO诊断的方法,辅助医生进行诊断.方法 设计了Unet-Orbit分割网络对CT中的眼肌进行图像分割,随后采用影像组学工具(PyRadiomics)从分割结果中的眼肌区域提取数值化特征.为了更好地利用影像组学的特征,设计了一个特征提取网络,采用自动编码器框架.将不同的眼肌提取到的特征,通过特征合并和变换进一步得到一组新特征.最后采用来自上海交通大学医学院附属第九人民医院的1 912 个CT图像数据集,对使用原始影像组学特征的分类器与使用特征提取网络后的特征的分类器进行了比较.结果 在医院数据集上,该模型的诊断准确率、灵敏度和特异性分别为 87.34%、84.73%和 89.96%.结论 语义分割网络可以高效分割眼肌区域,特征提取网络得到的新特征可以提升多种不同分类器在TAO诊断的准确率,可能为TAO的诊断提供一个新工具.

关键词：甲状腺相关眼病、人工智能、图像分割、影像组学、机器学习

所属期刊栏目：42

分类号：R318.04;TP391(医用一般科学)

资助基金：国家自然科学基金61906121

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：348-354,369