基于多视角融合和主动轮廓约束的深度学习算法在10 μm级耳科专用CT图像上对听小骨分割的效果探讨

作者：朱梓垚; 李晓光; 王若兮; 汤若薇; 赵磊; 尹红霞^*; 王振常; 卓力

来源：中华医学杂志, 2021, 101(47): 3897-3903.

DOI：10.3760/cma.j.cn112137-20210816-01840

• 体层摄影术, X线计算机
• 耳科专用CT
• 听小骨
• 分割
• 颞骨
• 深度学习

目的探讨多视角融合以及主动轮廓约束的深度学习算法在10 μm级耳科专用CT图像上对听小骨分割的效果。方法回顾性收集2019年10月至2020年12月北京友谊医院放射科10 μm级耳科专用CT检查的受试者数据共79侧耳(56侧来自志愿者, 23侧来自标本)。对锤骨、砧骨和镫骨进行标注, 将其划分为训练集(55侧)、验证集(8侧)和测试集(16侧)。采用感兴趣区域快速定位结合精准分割算法, 分别从冠状面、矢状面和横断面3个视角对锤骨、砧骨和镫骨进行分割与融合。针对镫骨, 同时设计了基于主动轮廓损失的镫骨分割方法。分割实验采用客观指标Dice相似系数(DSC)作为判别标准, 比较本方法与基础方法、本方法与其他分割方法的组间DSC差异。结果多视角融合分割算法对锤骨、砧骨和镫骨的平均DSC值分别为94.2%±2.7%、94.6%±2.6%和76.0%±5.5%;结合主动轮廓损失的约束方法后, 对镫骨的平均DSC值进一步提升(76.4%±5.4%比76.0%±5.5%), 且可视化结果显示镫骨结构的分割结果更加完整。结论基于10 μm级耳科专用CT数据的多视角融合算法可实现对锤骨和砧骨结构的精准分割, 结合主动轮廓损失约束方法, 可进一步提升对镫骨结构的分割精度。

• 单位
  首都医科大学附属北京友谊医院; 北京工业大学