基于深度学习在CT图像上分割肾上腺的研究

摘要：

目的:探索使用3D U-Net模型在CT图像上自动分割肾上腺并完成自动测量的可行性,并尝试使用模型输出值初探多期增强CT检查中正常肾上腺的强化特点及肾上腺体积随年龄段的体积变化规律.方法:第一步,训练肾上腺自动分割模型.回顾性收集2016年1月1日-2019年3月14日本中心腹盆部CT检查且结果未见异常的图像,共纳入520个薄层序列(434个检查)作为模型训练数据集.分别标注双侧肾上腺后随机分为训练集(左侧N=419,右侧N=413)、调优集(左侧N=53,右侧N=55)、测试集(左侧N=48,右侧N=52)训练3D U-Net分割模型,模型客观评价指标为测试集的Dice系数.第二步,验证肾上腺分割模型用于自动测量的可行性.回顾性收集2019年3月15日-2019年4月30日本中心住院成人患者腹盆部CT检查且结果未提示肾上腺病变的图像,共纳入988个薄层序列(523个检查)作为外部验证数据集.使用第一步建立的模型对双侧肾上腺进行分割并检查结果,对自动分割满意的图像统计其肾上腺的体积、三维径线、平均CT值,分析增强规律,并在门静脉期图像中按每15岁年龄段统计肾上腺体积随年龄变化的关系.结果:肾上腺分割模型训练数据集的测试集Dice系数分别为左侧0.942、右侧0.937,外部验证数据集中的分割满意率为57.7％(570/988).自动分割满意的数据肾上腺体积左侧(2845.35±877.95)mm3,右侧(2546.21±755.33)mm3;平扫、动脉期、门静脉期、延迟期平均CT值分别为左侧14.08(8.46～17.99)HU[中位数(四分位数区间)]、(58.79±17.71)HU(平均值±标准差,后同)、(63.41±14.96)HU、(53.31±13.65)HU,右侧(15.40±6.75)HU、(58.04±16.37)HU、(61.05±13.73)HU、(52.63±12.22)HU.随年龄增长,肾上腺体积呈现先增大后减小的趋势(N=131),在33～47岁年龄段达峰,男性、女性肾上腺体积峰值分别为左侧(3951.87±912.49)mm3、(2789.90±531.19)mm3,右侧(3250.09±750.91)mm3、(2288.92±524.08)mm3.结论:基于3D U-Net可构建肾上腺分割模型,用以对肾上腺体积、三维径线、平均CT值等定量指标进行自动测量.

关键词：肾上腺、深度学习、图像分割、体层摄影术、X线计算机

所属期刊栏目：38

分类号：R814.42;R816.6;R-05(放射医学)

在线出版日期：2023-03-27（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：305-312