科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的:提出一种基于全卷积神经网络的肺结节测量校准方法,以改善肺结节测量过程中由于不同的呼吸屏气造成的测量误差。方法:选择美国国立卫生研究院的CT图像数据集中的263幅胸部图像制作符合全卷积神经网络训练与测试要求的数据集,然后构建用于肺部轮廓勾画的全卷积语义分割网络,再通过对网络的训练实现对肺部轮廓的准确勾画,最后将该网络部署于校准软件中以实现对不同屏气相的肺结节大小的校准。选取25例行PET/CT肿瘤筛查的患者数据,对屏气和自由呼吸2种模式下的胸部扫描图像进行肺结节测量以验证校准效果。结果:全卷积神经网络对肺轮廓分割的分割效果较好,交并比为0.836 2,准确率为0.924 7,平均边界得分为0.716 9。25例患者中有16例2种呼吸模式的测量结果差异较大,其中9例(占比56.25%)通过该校准方法缩小了测量结果差异。结论:该校准方法实现了对肺结节物理尺寸测量结果的校准,能提高对肺结节诊断的准确性和效率。
-
单位南京医科大学第一附属医院; 南京医科大学
