基于V-Net卷积神经网络深度学习模型自动分割腰椎CT图像中的椎旁肌

作者：李新彤; 姚宁; 闫东^*; 程晓光; 李一诺; 杨泽曦

来源：中国医学影像技术, 2023, 39(06): 890-894.

DOI：10.13929/j.issn.1003-3289.2023.06.021

• 肌肉
• 深度学习
• 自动分割
• 神经网络,计算机
• 体层摄影术,X线计算机

目的 观察基于V-Net卷积神经网络(CNN)的深度学习(DL)模型自动分割腰椎CT图像中的椎旁肌的价值。方法 收集471例接受腰椎CT检查患者，按7∶3比例将其分为训练集(n=330)和测试集(n=141);采用2D V-Net进行训练，建立DL模型；观察其分割腰大肌、腰方肌、椎后肌群及椎旁肌的价值。结果 基于V-Net CNN的DL模型分割椎旁肌精度良好，戴斯相似系数(DSC)均较高、肌肉横截面积误差率(CSA error)均较低；其分割训练集图像中的腰大肌、腰方肌及椎旁肌的DSC均高于测试集(P均<0.05),而分割训练集中4组肌肉的CSA error均低于测试集(P均<0.05)。测试集内两两比较结果显示，该模型分割椎后肌群的DSC最高、腰方肌的DSC最低；分割腰方肌的CSA error最高、椎旁肌的CSA error最低(P均<0.05)。结论 以基于V-Net的DL模型自动分割椎旁肌的效能较佳。

• 单位
  北京积水潭医院