• 《中文核心期刊要目总览》收录期刊
  • 《科技期刊世界影响力指数(WJCI)报告》入选期刊        
  • 美国《化学文摘(网络版)》收录期刊        
  • 美国《剑桥科学文摘社生命科学文摘数据库》收录期刊
  • 美国《剑桥科学文摘社ProQeust数据库》收录期刊
  • 《全球公共卫生数据库》收录期刊
  • 《日本科学技术振兴机构数据库2024》收录期刊
  • 安徽省“精品栏目”期刊(2022年)       
  • 中国高校科技期刊建设示范案例库优秀科技期刊(2022年)
  • 安徽省“十佳科技期刊” (2023年)

基于空洞卷积U-Net模型的胰腺自动分割方法研究

安徽医科大学学报 2021 09 v.56 1469-1474     字体:

基金项目: 国家自然科学基金(编号:11805198);;安徽省自然科学基金青年项目(编号:1808085QH281)

作者:秦楠楠;薛旭东;石军;郝晓宇;吴爱林;闫冰;朱雅迪;吴爱东;

关键词:自动分割;;胰腺;;放射治疗;;深度卷积神经网络;;空洞卷积

DOI:10.19405/j.cnki.issn1000-1492.2021.09.023

〔摘 要〕 目的 探讨一种空洞卷积U-Net模型对胰腺组织精准分割的可行性。方法 通过对标准U-Net模型进行改进,得到一种多尺度空洞卷积U-Net模型,以100例放疗定位CT中包含完整胰腺的盆腔肿瘤患者的影像和结构信息为研究对象,对两种U-Net模型进行训练和测试,最终比较两者的分割精度。分割精度量化指标分别是戴斯相似性系数(DSC)、杰卡德相似性系数(JSC)、豪斯多夫距离(HD)和平均表面距离(ASD)。结果 与标准U-Net模型分割结果比较,该研究的空洞卷积U-Net模型的DSC均值达到0.87,JSC、HD和ASD均值也分别为0.78、9.85 mm和1.62 mm,且差异有统计学意义(P<0.05)。结论 基于标准U-Net模型搭建的空洞卷积U-Net模型能够更准确的分割健康胰腺组织,对改进辅助诊断系统和提高放射治疗效果有着重要的意义。