基于3D U-Net的胸部CT脊柱成像皮质分离

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.

关键词：脊柱成像、皮质分离、3D U-Net、深度学习、分割

所属期刊栏目：42

分类号：TP391.41;R681;R783.5

资助基金：山东第一医科大学学术提升计划2019QL017

在线出版日期：2023-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：639-644