基于2-3D混合卷积神经网络的胰腺CT图像自动分割算法研究

• 作者: 宁民权 文静 黄意 王翊
• 来源期刊: 第三军医大学学报
• 关键词: 胰腺分割 深度学习,计算机辅助诊断 2-3D网络融合
• 年，卷（期）: 2021,（18）
• 所属期刊栏目: 专题报道:数字医学与人工智能|Monographic Reports:Digital medicine and artificial intelligence
• 页码范围: 1729-1734
• 页数: 6页
• 分类号: R319|R322.491|R814.42
• 语种: 中文
• DOI: 10.16016/j.1000-5404.202103046

摘要

目的 探讨CT图像中胰腺组织自动分割的深度学习算法.方法 以2D胰腺分割网络和3D胰腺分割网络为基础,利用2D分割网络提取的判别性语义信息,3D分割网络提取出三维空间信息,最后将判别性的语义信息和三维空间信息进行融合实现胰腺分割.结果 本研究在NIH数据集上的进行了验证,平均DICE系数达到83.2％(最大值90.65％,最小值67.04％).分别超出了2D基准方法和3D基准方法0.77％和1.38％.其胰腺分割结果细节准确,边缘平滑.2-3D方法分割出的胰腺组织相比于2D方法和3D方法分割出的胰腺,在轮廓形态上与对应的手工标注图吻合度更高,更准确.相比于2D方法,2-3D方法有效综合了三维空间信息,对胰腺边缘位置进行了补足,避免了在胰腺边缘出现的漏分割情况.相比于3D方法,2-3D方法有效地利用了2D方法提供的语义信息,规避了在胰腺边缘出现的错误分割的情况.结论 该方法融合了2D分割网络和3D分割网络的优点,能够有效地应用于对胰腺的准确分割.