基于神经网络的直肠癌CT图像自动分割和分类

• 作者: 肖波 朱旭东 魏华江 魏波 陈同生
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: CT图像 神经网络 图像分割 图像分类 术前T分期 直肠癌
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 医学影像技术|CLINICAL IMAGING TECHNOLOGY
• 页码范围: 60-64
• 页数: 5页
• 分类号: R197.39|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2022.02.014

摘要

目的 为准确地定位直肠癌肿瘤位置以及对直肠癌进行术前T分期.方法 首先分别采用FCN-8s、U-Net和SegNet模型对直肠癌CT图像进行分割以定位肿瘤位置.在分割基础上分别使用简单CNN、AlexNet和InceptionV3模型对分割后的CT图像进行识别并以此确定直肠癌T分期.选用240名患者的直肠癌CT图像进行训练和测试,分割结果评价指标采用Dice系数、精确率和召回率,分类结果评价指标采用准确率、特异性和灵敏度.结果 分割中U-Net模型分割效果最佳且其分割肿瘤的平均Dice系数、精确率和召回率分别为84.6％、84.1％和85.2％.分割后使用InceptionV3模型分类效果最好且其分类直肠癌T2和T3期图像的准确率、特异性和灵敏度分别为95.4％、94.3％和96.1％.实验结果表明U-Net模型和InceptionV3模型可以获得更好的分割结果以及更高的分类准确率.结论 神经网络模型在直肠癌CT图像上进行肿瘤分割和术前T分期都能达到很好的效果,可作为临床辅助诊断工具帮助医生制定直肠癌临床治疗方案.