肝囊型包虫病超声图影像区域分割算法研究

作者：王正业; 热娜古丽·艾合麦提尼亚孜; 王晓荣; 米**依提·海拉提; 严传波^*

来源：中国医疗设备, 2022, 37(10): 18-28.

• 肝囊型包虫病
• 超声图像
• Ostu阈值分割
• Poly-YOLO
• 马尔可夫随机场

目的 测试Ostu阈值分割、马尔可夫随机场分割和基于深度学习的Poly-YOLO网络模型分割3种方法在肝囊型包虫病超声图像影像区域的分割性能。方法 分别使用单尺度图像增强Ostu阈值分割、马尔可夫随机场分割和基于深度学习方法的Poly-YOLO分割网络对肝囊型包虫超声图像中的扇形影像区域进行分割,以去除图像中的干扰信息,并采用Dice相似系数(Dice Similarity Coefficient,DSC)、重叠度(Intersection of Union,IOU)、真阳性率(True Positive Rate,TPR)、豪斯多夫距离(Hausdorff Distance,HD)评价上述3种算法的分割效能。结果 Poly-YOLO算法对肝囊型包虫病超声图像具有较好的分割结果,在有效去除非影像区域信息的同时,DSC可达0.80,TPR为0.88,IOU为0.71,HD为2.11。结论 相较于基于SSR的Ostu阈值分割方法、马尔可夫随机场图像分割算法,基于深度学习的Poly-YOLO网络能较好地分割出肝囊型包虫病超声图像扇形影像区域,去除图像中的非影像信息,为后续病灶自动分类研究奠定了一定的理论基础。

• 单位
  新疆医科大学; 新疆医科大学第一附属医院; 公共卫生学院