基于级联式深度网络模型的胃及胰腺自动分割研究

作者：曹洋森; 朱晓斐; 韩妙飞; 卢明智; 高耀宗; 顾蕾; 于春山; 孙永健; 张火俊

来源：中国医学物理学杂志, 2021, 38(08): 971-974.

• 深度学习
• 卷积神经网络
• 自动分割
• 人工智能
• 胃
• 胰腺

目的:旨在研究自主创新设计的级联式深度卷积神经网络VB-Net在胃和胰腺上的自动分割精度及效率。方法:回顾分析150例胰腺癌患者临床资料,随机选取132例非增强CT数据和其中116例胰腺期增强CT以及结构数据进行胃及胰腺的分割模型训练。对剩余18例患者的非增强CT和胰腺期增强CT给予模型测试,使用戴斯相似性系数量化分析模型的分割精度,同时评估其分割效率。结果:基于非增强CT的胃、胰腺的自动分割平均DSC值分别为87.93%、80.05%;基于胰腺期增强CT的胃、胰腺自动分割平均DSC值分别为89.71%、84.79%。胃及胰腺的自动分割平均时间为1.22、0.84 s,手动分割平均时间为158.70、115.52 s。结论:基于VB-Net的胃及胰腺自动分割模型测试结果较为准确,且极大提高了器官分割的效率。

• 单位
  长海医院; 上海联影智能医疗科技有限公司; 中国人民解放军第二军医大学