临床放射学杂志

作者：余海涛, 姚倩倩, 谢小峰, 李珊珊, 邱慧, 施则人, 王平, 陈颜真, 秦健

单位：570228 海口,海南大学机电工程学院余海涛、谢小峰;271000 泰安,山东第一医科大学第二附属医院影像科姚倩倩、李珊珊、邱 慧、秦 健;310000 杭州时迈智能技术有限公司施则人、陈颜真;310000 杭州,医智源健康科技杭州有限公司王 平

关键词：脊柱成像,皮质分离,3D U-Net,深度学习,分割

基金：本研究系山东第一医科大学学术提升计划项目(编号:2019QL017)

<b>目的</b> 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。<b>方法</b> 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。<b>结果</b> 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。<b>结论</b> 3D U-Net方法能够有效地分割皮质骨。

来源：2023年第4期

《临床放射学》期刊编辑部

查看临床放射学杂志2023年第4期