基于VGG的SPECT骨扫描图像关节炎分类

• 作者: 曹传贵 林强 满正行 曹永春 邓涛 李同同 王海军
• 来源期刊: 西北民族大学学报（自然科学版）
• 关键词: 关节炎 SPECT成像 图像分类 深度学习 VGG模型
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 信息技术|Information Technology
• 页码范围: 36-45
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2102.2021.02.007

摘要

核医学SPECT是主要的功能成像模态,在骨转移、关节退行性改变等疾病的诊治中发挥着重要作用.关节炎是常见且多发性生理疾病,临床上容易在骨转移特别是溶骨性转移之间产生误判.为了从SPECT图像中可靠识别关节炎病变,借助于深度学习的特征自动提取功能,研究并构建了面向关节炎自动诊断的SPECT图像分类器.首先,对SPECT骨显像数据进行归一化及扩展处理,适度扩充数据量并转化到模型要求的数据格式;其次,基于标准的VGG模型构建具有不同深度的关节炎分类器;最后,使用一组真实SPECT全身骨显像数据,对构建的分类模型进行测试.实验结果表明,构建的分类器可有效检测关节病变,获得的准确率、AUC值、精度、召回率分别为0.926、0.986、0.921、0.934.