基于注意力机制的深度学习网络在头部水脂分离图像上的组织成分分割

摘要：

目的 探究应用基于注意力机制的深度学习网络在头部MR三点非对称回波水脂分离成像(IDEAL)图像上进行5种组织成分(实质、脑脊液、颅骨、空气、软组织)分割的可行性.方法 收集2019年9月至2021年8月杭州市临平区第一人民医院40名健康志愿者的头部CT图像和MR IDEAL图像.训练集包含30个样本,共1784张图像;测试集包含10个样本,共618张图像.将分割结果与标注区域进行对比评估网络模型效能.利用Elastix软件配准CT图像和MR IDEAL图像;基于CT值得到骨和空气区域的金标准,同时使用SPM12工具包从IDEAL图像得到脑实质、脑脊液区域的金标准,头部其余部分视为软组织区域的金标准;最后,采用最轻量的Segformer模型,将IDEAL的水图、脂图、同相图组成三通道输入到网络模型中进行训练,实现头颅组织成分(实质、脑脊液、颅骨、空气、软组织)的分割.采用Dice相似性系数(DSC)、像素准确度(PA)、均交并比(IoU)评价Seg-former在各个组织成分上的分割性能.结果 测试集的各组织成分(空气、骨骼、脑实质、脑脊液、软组织)占比分别为0.125±0.016、0.184±0.015、0.375±0.019、0.085±0.011、0.231±0.020.测试集的DSC为0.822±0.039,PA为0.931±0.015,IoU为0.714±0.050.结论 利用基于注意力机制的深度学习网络能够实现IDEAL图像的头部组织成分分割.

关键词：医学图像分割、注意力机制、深度学习、三点非对称回波水脂分离成像、组织成分

所属期刊栏目：44

分类号：R777.5;R445.2;TP301

资助基金：浙江省医药卫生科技计划项目2022519024

在线出版日期：2023-02-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2400-2404,2436,封3