典型文献
基于深度学习实现胰腺分割及自动体积测量的初步研究
文献摘要：
目的 使用深度学习模型实现影像诊断为"胰腺未见异常"的成人群体CT图像中胰腺自动分割及体积、径线和平均CT值自动测量.方法 搜集2019年1月至10月在本院行腹盆部CT平扫及增强扫描并诊断为"胰腺未见异常"的患者共1195例(8301个不同期相、不同层厚的扫描序列,每个序列为一个图像数据),根据标准共纳入了5389个图像数据.将图像数据分为两部分:第一部分521个图像数据由专家标注后用于3D U-Net分割模型训练,将其随机分为训练集(413个数据)、调优集(56个数据)、测试集(52个数据),模型训练的评价指标为测试集的DICE系数;第二部分4868个图像数据用于模型外部验证,使用第一部分训练好的模型预测胰腺区域,由两位影像专家检查模型预测结果,挑选出分割效果满意的数据共2003个.对上述521及2003个数据中胰腺标签进行数据处理,以最小体积包围盒算法测量胰腺的三维径线,以标签区域的像素总体积计算胰腺体积,并输出标签区域胰腺的平均CT值.统计各期相、不同层厚的图像数据中胰腺体积、三维径线及平均CT值的95％参考值范围,分析每10岁年龄组胰腺体积分布的正常范围.结果 胰腺分割模型测试集中DICE值为0.91.胰腺三维径线平均值分布范围分别为41.97 ～43.51 mm,65.84～71.09 mm和137.77 ～ 142.59 mm;胰腺体积平均值的分布范围为65213.35 ～69864.79 mm3,在18～38岁逐渐平均体积增大,38岁平均值(77963.15±15125.93) mm3,之后随年龄增大体积逐渐减小,在78 ～88岁时平均体积最低,为(51349.88±18998.81)mm3.胰腺CT值则随年龄增大而减小,18岁～88岁平均CT值从(39.22±9.57) HU降低至(23.95±6.87) HU.结论 基于深度学习的人工智能(AI)分割工具可以有效分割CT图像上的胰腺,并准确测量其径线、体积及CT值.
文献关键词：
胰腺;体层摄影术;X线计算机;深度学习;分割;人体形态计量学
中图分类号：
作者姓名：
蔡金秀;崔应谱;孙兆男;张耀峰;张大斗;张晓东;王霄英
作者机构：
100034 北京大学第一医院医学影像科;100011 北京赛迈特锐医学科技有限公司
文献出处：
引用格式：
[1]蔡金秀;崔应谱;孙兆男;张耀峰;张大斗;张晓东;王霄英-.基于深度学习实现胰腺分割及自动体积测量的初步研究)[J].临床放射学杂志,2022(01):86-93
A类：
人体形态计量学
B类：
胰腺分割,体积测量,使用深度,深度学习模型,模型实现,影像诊断,未见异常,自动分割,径线,自动测量,本院,盆部,平扫,增强扫描,扫描序列,图像数据,第一部,Net,分割模型,模型训练,训练集,调优,测试集,DICE,第二部,外部验证,练好,挑选出,分割效果,小体积,包围盒,像素,体积计算,腺体,各期,参考值范围,年龄组,模型测试,值分布,分布范围,mm3,大体积,HU,准确测量,体层摄影术,线计算
AB值：
0.337574
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
