基于深度学习分割模型的脑出血CT图像自动分割研究

【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《基于深度学习分割模型的脑出血CT图像自动分割研究》，欢迎阅读！

基于深度学习分割模型的脑出血CT图像自动分割研究

苗政;李明洋;陈忠萍;王烁;王卓;张磊;陈丽舟;陈云天;史晟先;李昊;石光;朱万安

【期刊名称】《中国医疗设备》 【年(卷),期】2022(37)8

【摘 要】目的实现基于人工智能深度学习方法的脑出血患者CT图像血肿区域自动分割,并评估后处理算法对分割结果的优化效果。方法回顾性分析吉林大学第一医院2018年4月至2020年8月脑出血患者的影像资料,按照纳排标准纳入416例患者的CT图像进行研究,按照比例7∶3随机分为训练集291例和测试集125例。将患者CT图像进行图像预处理、摆正、去骨后,采用本研究提出的深度学习分割网络ADUNET进行训练,实现血肿区域的自动分割。最后使用后处理算法对分割结果进行进一步优化,并通过Dice系数、Hausdorff-Distance(HD)系数等评价指标进行对比分析。结果对比其他两种主流分割网络,本研究提出的ADUNET网络在该数据集上得到了最好的分割结果(平均Dice系数为0.895,平均HD系数为11.62),并且验证了后处理算法可以进一步优化分割结果,提高分割精度(平均Dice系数为0.899、平均HD系数为11.33)。结论本研究提出的ADUNET分割网络与后处理算法可以实现基于CT图像的脑出血区域自动分割及优化,该方法可提高诊断效率、优化诊断流程,具有较高的临床应用价值。 【总页数】6页(P46-50)

【作 者】苗政;李明洋;陈忠萍;王烁;王卓;张磊;陈丽舟;陈云天;史晟先;李昊;石光;朱万安

【作者单位】吉林大学第一医院放射科;四川大学华西医院放射科


【正文语种】中 文 【中图分类】R814.42 【相关文献】

1.基于 CT 和磁共振 T2加权图像双模态分类模型的自发性脑出血后脑水肿在 CT 图像上的分割2.基于形变模型分割方法的CT图像肝脏肿瘤分割3.基于形变模型分割方法的CT图像肝脏肿瘤分割4.基于深度学习模型实现颈椎MR图像上各结构的自动分割5.不同计算机自动分割算法对不规则脑出血CT图像分割的对比研究

因版权原因，仅展示原文概要，查看原文内容请购买

本文来源：https://www.dy1993.cn/AGT4.html