基于V-Net卷积神经网络深度学习模型自动分割腰椎CT图像中的椎旁肌

摘要：

目的 观察基于V-Net卷积神经网络(CNN)的深度学习(DL)模型自动分割腰椎CT图像中的椎旁肌的价值.方法 收集471例接受腰椎CT检查患者,按7∶3比例将其分为训练集(n=330)和测试集(n=141);采用2D V-Net进行训练,建立DL模型;观察其分割腰大肌、腰方肌、椎后肌群及椎旁肌的价值.结果 基于V-Net CNN的DL模型分割椎旁肌精度良好,戴斯相似系数(DSC)均较高、肌肉横截面积误差率(CSA error)均较低;其分割训练集图像中的腰大肌、腰方肌及椎旁肌的DSC均高于测试集(P均＜0.05),而分割训练集中4组肌肉的CSA error均低于测试集(P均＜0.05).测试集内两两比较结果显示,该模型分割椎后肌群的DSC最高、腰方肌的DSC最低;分割腰方肌的CSA error最高、椎旁肌的CSA error最低(P均＜0.05).结论 以基于V-Net的DL模型自动分割椎旁肌的效能较佳.

关键词：肌肉、深度学习、自动分割、神经网络、计算机、体层摄影术、X线计算机

所属期刊栏目：39

分类号：R685;R814.42(骨科学（运动系疾病、矫形外科学）)

资助基金：北京积水潭医院院级科研基金YGQ-202308

在线出版日期：2023-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：890-894