基于深度学习的SPECT图像关节炎病灶分割

• 作者: 高瑞婷 林强 满正行 曹永春 王海军 陈军 邓涛
• 来源期刊: 西北民族大学学报（自然科学版）
• 关键词: 深度学习 图像分割 SPECT图像 关节炎
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 信息技术|Information Technology
• 页码范围: 22-30,37
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2102.2021.01.006

摘要

SPECT骨显像是辅助医生诊断疾病的重要手段.医生依靠手工勾画提取病灶区域的方法效率低且具有一定的主观性.针对这一问题,提出R_U-Net网络模型分割关节炎病灶,不仅能节省医生的诊断时间,还能为患者争取最佳治疗时间.为了检测模型分割效果,使用测试集中含有关节炎病灶的图像分割测试,与Mask R-CNN网络和原U-Net网络相比,R_U-Net网络对关节部位病灶分割结果有所提升,其MPA达到77.6％,MIoU指标达到75.4％.实验结果表明,基于U-Net改进的R_U-Net网络对于SPECT图像关节炎病灶分割效果更好.