基于3D U-Net的胸部CT脊柱成像皮质分离

作者：余海涛; 姚倩倩; 谢小峰; 李珊珊; 邱慧; 施则人; 王平; 陈颜真; 秦健^*

来源：临床放射学杂志, 2023, 42(04): 639-644.

DOI：10.13437/j.cnki.jcr.2023.04.022

• 脊柱成像
• 皮质分离
• 3D U-Net
• 深度学习
• 分割

目的 对胸部CT脊柱成像进行皮质分离，分割出皮质骨区域并进行后续诊断分析，计算出其厚度、周长、体积等形状信息，能更好地观察皮质骨厚度的变化趋势，判断是否有骨质疏松症的风险，辅助医师提升诊断效率。方法 基于以上需求，将采集到的227例三维图像按7∶2∶1分为训练集、验证集和测试集，利用深度学习与CT扫描图像相结合。通过实验对比3D U-Net、Res U-Net、Ki U-Net和Seg Net之间的优劣，最终选择3D U-Net深度网络作为分割方法。该网络包含了编码部分和一个对应的解码部分，编码部分用于分析整张图像并进行特征提取与分析，解码部分则对应生成一张分割好的块状图。结果 3D U-Net在验证集上的Dice相似系数达到了0.7433,测试集上达到了0.7263,优于其他三种方法。结论 3D U-Net方法能够有效地分割皮质骨。

• 单位
  机电工程学院; 海南大学; 山东第一医科大学