目的:探索基于深度学习在三维磁共振尿路成像(3D MRU)图像上分割尿路的可行性.方法:回顾性收集2021年1月1日-2021年4月30日本院包含"MRU"检查项目的图像,共219例数据纳入本研究.由2名影像医生手工勾画双侧肾盂-肾盏、输尿管及膀胱区域,将219例数据随机分为训练集(175例)、调优集(22例)和测试集(22例)训练3D U-net分割模型.统计Dice相似性系数(DSC)和霍夫曼距离(HD)用于自动分割的客观评价,由2名影像医生主观评价模型自动分割勾画并应用组内相关系数(ICC)评估主观评分的一致性.结果:MRU分割模型的测试集共22个数据,DSC值均达到0.70及以上,右侧输尿管、左侧输尿管、左侧肾盂-肾盏、右侧肾盂-肾盏及膀胱的分割结果DSC值分别为0.81、0.70、0.85、0.95、0.98,HD值分别为(43.01±41.24)mm、(65.1±66.80)mm、(37.8±52.48)mm、(52.08±69.88)mm、(10.06±20.76)mm.2位影像医生对测试集的主观评分总分为29.00±1.68、28.68±1.63,ICC值为0.95(95％CI:0.89～0.98).结论:基于深度学习的3D MRU尿路自动分割勾画在临床具备可行性,可为后续MR U的定位、定量及定性诊断提供基础.

磁共振尿路成像;尿路;分割;深度学习

奈日乐;林子楹;额·图娅;吴鹏升;张耀峰;张晓东;王霄英

100034 北京,北京大学第一医院医学影像科;100011 北京,北京赛迈特锐医学科技有限公司

放射学实践

[1]奈日乐;林子楹;额·图娅;吴鹏升;张耀峰;张晓东;王霄英-.基于深度学习探索3D MRU尿路分割的初步研究)[J].放射学实践,2022(07):865-869

磁共振尿路成像

MRU,本院,检查项目,生手,勾画,肾盂,肾盏,输尿管,管及,膀胱,训练集,调优,测试集,net,分割模型,Dice,相似性系数,DSC,霍夫曼,HD,自动分割,客观评价,主观评价,ICC,主观评分,床具,定性诊断

0.279174