基于并行空洞卷积的2.5D胸腔CT气道自动分割

• 作者: 蔡静 陈秋叶 韦瑞华 蔡光雄 刘海华
• 来源期刊: 医学信息
• 关键词: 胸腔CT图像 气道分割 三维融合 并行空洞卷积
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 医学信息学|Medical Informatics
• 页码范围: 13-17
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1959.2021.10.004

摘要

目的 构建一种基于人工神经网络深度学习的胸腔CT气道的自动分割方法,以提高临床诊疗效率并减轻放射医师工作负担.方法 对公开的60例胸腔CT数据集随机选取11000张气道CT图像进行处理,构建并行空洞卷积的浅层U-Net的神经网络模型,融合胸腔CT的横断面、矢状面和冠状面三个维度的解剖信息和全局结构连通性实现对胸腔气道CT图像端到端的自动分割.在此基础上,将三个断面分割概率图三维重构后,通过搭建的2.5D网络模型来学习每个断面体素概率图的加权系数,融合三维信息,得到最终分割的气道树.随机选取7000张CT图作为训练集建立分割模型,1800张为验证集,2200张作为测试集进行预测,计算预测结果与真实标签的分割相似度(DSC)、准确率(TPR)、假阳性率(FPR)以及网络参数数量.结果 该气道自动分割算法DSC为0.935,TPR为0.948,FPR为0.0001,网络参数数量为482,149;该方法的精确度均优于传统U-Net网络和现有的一些其他神经网络气道分割方法.结论 本文提出的气道自动分割算法能有效的完成胸腔CT的气道自动分割,提高了自动分割的准确率,为胸部气道辅助诊断和自动化分割提供了参考.