级联VB-Net分割模型用于急性缺血性脑卒中患者扩散加权成像中缺血核心分割的研究

• 作者: 吴亚平 方婷 魏焕焕 李自强 罗与 付芳芳 申雨 白岩 王梅云
• 来源期刊: 中华放射学杂志
• 关键词: 卒中 脑缺血 深度学习 图像分割 级联VB-Net
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 人工智能及影像组学的临床应用
• 页码范围: 25-29
• 页数: 5页
• 语种: 中文
• DOI: 10.3760/cma.j.cn112149-20210415-00373

摘要

目的:探讨级联VB-Net深度学习网络对扩散加权成像（DWI）中急性缺血性脑卒中缺血核心检出和分割的价值。方法:回顾性分析2016年12月至2018年12月在河南省人民医院就诊的1 500例急性缺血性卒中患者的MRI资料。将1 500例患者的2 456个病灶依据采集时间按8∶1∶1分为训练集、验证集和测试集。首先在脑DWI图像（b=1 000 s/mm 2）上对所有病灶的缺血核心进行手工分割，然后，构建级联VB-Net分割模型，并在测试集对缺血核心进行自动检出、分割和缺血核心体积计算。采用组内相关系数（ICC）评价手工分割与级联VB-Net分割模型测得缺血核心体积的一致性。将样本分为缺血核心体积较大组（缺血核心体积≥10 ml）与缺血核心体积较小组（缺血核心体积<10 ml），采用Mann-Whitney U检验比较两者Dice系数差异。 结果:测试集中，级联VB-Net分割模型对缺血核心的检出率为94.6%（234/257），Dice系数为0.76（0.68，0.84）。级联VB-Net分割模型［4.19（1.21，14.13）ml］与手工分割缺血核心体积［4.08（1.19，17.92）ml］的一致性高（ICC=0.97， P<0.001）。缺血核心体积较大组与缺血核心体积较小组Dice系数差异无统计学意义［分别为0.76（0.69，0.85），0.76（0.67，0.84）， Z=-0.44， P=0.657］。 结论:级联VB-Net深度学习网络实现了急性缺血性脑卒中缺血核心的自动检出、分割及体积计算，与手工分割的一致性高，能够为治疗方案的选择提供辅助决策工具。