典型文献
使用U-Net深度学习网络对腰椎矢状T2WI图像自动分割的可行性研究
文献摘要：
目的:研究训练U-Net模型自动分割腰椎矢状面T2 WI图像中各结构的可行性.方法:回顾性搜集腰椎矢状面T2WI图像数据,共获得80个矢状面T2 WI序列.由2位影像医师手工标注矢状面腰椎椎体、椎间盘、椎间孔、椎管/硬膜囊、脊髓及马尾神经.将数据随机分为训练集、调优集和测试集,使用U-Net网络分两步(coarse-to-fine)训练腰椎矢状T2 WI分割模型.模型评价指标包括客观评估(Dice系数)和主观评估.结果:11例测试集数据中U-Net模型预测腰椎5个解剖部位分割的Dice值分别为椎体0.82～0.9(平均0.864)、椎间盘0.86～0.92(平均0.898)、椎管/硬膜囊0.76～0.87(平均0.837)、椎间孔0.6～0.76(平均0.67)、脊髓及马尾神经0.55～0.9(平均0.669).主观评估各解剖部位分割满意率分别为椎体97.5％、椎间盘97.9％、椎管/硬膜囊86.4％、椎间孔76.7％、脊髓及马尾神经78.6％.结论:基于U-Net深度学习网络对腰椎矢状T2 WI图像的解剖结构进行自动分割是可行的.
文献关键词：
腰椎;磁共振成像;深度学习
中图分类号：
作者姓名：
郭丽;赵凯;朱逸峰;张耀峰;李世佳;张晓东;王霄英
作者机构：
100034 北京,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]郭丽;赵凯;朱逸峰;张耀峰;李世佳;张晓东;王霄英-.使用U-Net深度学习网络对腰椎矢状T2WI图像自动分割的可行性研究)[J].放射学实践,2022(02):229-234
A类：
B类：
Net,深度学习网络,腰椎,T2WI,图像自动分割,可行性研究,矢状面,图像数据,共获,椎体,椎间盘,椎间孔,椎管,硬膜,脊髓,马尾,训练集,调优,测试集,两步,coarse,fine,分割模型,模型评价指标,客观评估,Dice,主观评估,解剖部位,满意率,解剖结构,磁共振成像
AB值：
0.317427
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。
