3D U-Net深度学习模型基于盆腔T2WI自动分割盆腔软组织结构

摘要：

目的 评估3D U-Net深度学习(DL)模型基于盆腔T2WI自动分割盆腔软组织结构的可行性.方法 回顾性分析147例经病理证实或盆腔MRI随访观察确诊的前列腺癌或良性前列腺增生患者,其中28例接受2次、121例接受1次盆腔MR扫描,共175组T2WI;手动标注T2WI所示软组织结构,包括前列腺、膀胱、直肠、双侧精囊腺、尿道、双侧闭孔内肌及双侧耻骨直肠肌.按8∶1∶1比例将数据分为训练集(n=137)、调优集(n=21)和测试集(n=17),对3D U-Net分割模型进行训练.以手动标注结果为标准,根据测试集Dice相似系数(DSC)、Jaccard相似系数(JSC)、精确率(PRE)、召回率(REC)、准确率(ACC)及分割体积差异评价3D U-Net模型分割盆腔软组织结构的效能.结果 3D U-Net模型分割测试集盆腔各结构的DSC及JSC均＞0.90,ACC、PRE和REC均＞90.00％.3D U-Net模型分割的盆腔各结构体积与手动标注差异均无统计学意义(P均＞0.05).结论 3D U-Net DL模型可用于自动分割T2WI所示盆腔软组织结构.

关键词：前列腺;骨盆;深度学习;分割

所属期刊栏目：38

分类号：R737.25;R445.2(肿瘤学)

资助基金：首都卫生发展科研专项;北京大学第一医院科研种子基金

在线出版日期：2022-02-25（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：266-271