基于注意力门和空洞空间金字塔池化UNet模型提取肝包膜及评估肝硬化

作者：翟欢欢; 赵静文^*; 刘翔; 石蕴玉; 汤显; 宋家琳; 杨少玲

来源：中国医学影像技术, 2022, 38(09): 1385-1390.

DOI：10.13929/j.issn.1003-3289.2022.09.023

• 肝硬化
• 神经网络,计算机
• 超声检查
• 肝包膜
• 注意力机制
• 空洞卷积

目的 提出注意力门(AG)和空洞空间金字塔池化(ASPP)UNet模型(AA-UNet),观察其提取肝脏高频超声图像中肝包膜并用于评估肝硬化的价值。方法 纳入47例肝硬化患者及20例非肝脏疾病患者，于肝脏高频声像图中手工标注肝包膜作为标签图像；将AG及ASPP加入UNet,以之提取声像图中的肝包膜；最后加入视觉几何组(VGG)16全连接层和Softmax分类器，评估有无肝硬化及其程度，即正常及轻度、中度肝硬化。采用AA-UNet提取58例颈动脉斑块患者提取颈动脉高频超声声像图中动脉壁，以验证AA-UNet的鲁棒性。结果 AA-UNet提取的肝脏高频超声声像图中的肝包膜与标签图像相似，其交并比、精确率及F分数均大于DeepLabv3+、UNet、UNet+AG及UNet+ASPP提取结果，且用于提取颈动脉高频超声声像图中的动脉壁的效果亦较佳。AA-UNet用于评估肝脏高频超声声像图中正常及轻、中度肝硬化的准确率分别为90.00%、81.67%及78.33%。结论 AA-UNet用于提取肝脏高频超声声像图中的肝包膜及评估轻度肝硬化的效果较佳。

• 单位
  上海市奉贤区中心医院; 上海工程技术大学; 上海长征医院