调整窗宽/窗位对卷积神经网络模型自动筛选胰腺肿瘤CT图像性能的影响

摘要：

目的 观察调整窗宽/宽位对卷积神经网络(CNN)模型自动筛选胰腺肿瘤CT图像性能的影响.方法 按6:4比例将医学图像分割十项全能挑战赛中的胰腺CT数据集(包含281例胰腺肿瘤CT图像共26719幅)数据分为训练集和测试集;训练集共15346幅,33.96％(5212/15346)存在胰腺肿瘤,测试集共11373幅,34.26％(3896/11373)存在胰腺肿瘤.采用调窗方法,分别设置窗位为30、40及50 HU,以120、300和500 HU为窗宽范围端点,经组合配对形成9组参数,调整原始数据集窗宽/窗位,将原始数据直接映射到0～255像素灰度值,共得到10组数据,分别将其导入Alexnet-V1、Alexnet-V2、Resnet-V1及Resnet-V2共4个CNN模型进行训练,于相应测试集中筛选胰腺肿瘤图像,以准确率(Acc)、敏感度(Sen)及特异度(Spe)评价其效能.结果 不同CNN模型用于筛选测试集无调窗数据胰腺肿瘤图像的Acc均为34.26％,Sen均为100％,Spe均为0.调整测试集图像窗位均为30 HU时,CNN模型对于窗宽300 HU图像的Acc及Spe最高,分别为(84.17±1.89)％及(77.91±1.96)％;窗位为40 HU及50 HU时,CNN模型在窗宽300 HU图像中的Acc、Sen及Spe分别为(85.98±2.66)％、(97.19±1.41)％及(82.12±3.44)％和(84.29±2.38)％、(97.68±1.65)％及(77.52±5.35)％,均高于120 HU和500 HU.结论 通过调整窗宽/窗位可在CNN自动筛选胰腺肿瘤图像预处理过程中初步排除冗余信息;合理设置窗宽/窗位能有效提高CNN模型的筛选性能.

关键词：胰腺肿瘤、窗宽、窗位、体层摄影术、X线计算机、自动筛选

所属期刊栏目：39

分类号：R735.9;R814.42(肿瘤学)

资助基金：国家自然科学基金;福建省自然科学基金项目

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：270-275