基于Unet的深度学习模型在腰椎间盘突出诊断中的应用研究

作者：韦祎; 赵经纬; 印宏坤; 唐雯

来源：中国数字医学, 2023, 18(12): 58-63.

DOI：10.3969/j.issn.1673-7571.2023.12.011

• 腰椎间盘突出
• 深度学习
• 腰椎核磁共振
• 图像分割

目的：应用深度学习和图像自动分割模型,建立基于腰椎MR影像的辅助诊断系统,实现腰椎间盘突出的自动化定量诊断。方法：回顾性纳入590例腰椎间盘突出症患者,随机分为训练组（n=456）和测试组（n=134）,标注腰椎MR图像上椎间盘突出区域（训练组1 157个,测试组395个）。构建基于Unet的深度学习模型,分割及检测矢状和横断位上椎间盘突出区域,并评估模型的病灶检测效能和病灶分割的准确率。结果：模型对测试组数据的检测效能良好。矢状和横断位上的F1值分别为0.971(95%CI:0.951～0.987)和0.903(95%CI:0.870～0.935)。在突出区域分割上,矢状和横断位上Dice值分别为0.774±0.193和0.647±0.261(2D层面)、0.777±0.148和0.655±0.180(3D层面)。结论：基于Unet的深度学习模型能够准确识别并分割腰椎MR图像中椎间盘突出区域,有助于辅助临床诊断。

• 单位
  首都医科大学; 北京积水潭医院