计算机应用

作者：魏小娜, 邢嘉祺, 王振宇, 王颖珊, 石洁, 赵地, 汪红志

单位：1. 上海市磁共振重点实验室(华东师范大学), 上海 200062;2. 上海市中医药大学 针灸推拿学院, 上海 200032;3. 上海市光华中西医结合医院, 上海 200052;4. 中国科学院 计算技术研究所, 北京 100190

关键词：滑膜炎,磁共振图像,医学图像分割,数据增广,U-Net

基金：上海纽迈电子科技有限公司企业横向项目（2017KFR0107）。

为了准确诊断滑膜炎患者病情，医生主要依靠手工标注和勾画的方法来提取磁共振图像（MRI）中的滑膜增生区域，该方法耗时长、效率低，具有一定的主观性且图像信息利用率低。针对这一问题，提出了一种新的关节滑膜分割算法，即2D ResU-net分割算法。首先，将残差网络（ResNet）中的两层结构的残差块融入到U-Net中，构建2D ResU-net；然后，将样本数据集分为训练集和测试集，而后对训练集进行数据增广；最后，将增广后的所有训练样本用于网络模型的训练。为了检测模型的分割效果，选取测试集中含滑膜炎的断层图像进行分割测试，最终平均分割精度指标可达到：Dice相似系数（DSC）69.98%，交并比（IOU）指标79.90%，体积重叠误差（VOE）系数12.11%。与U-Net算法相比，2D ResU-net算法的DSC系数提升了10.72%，IOU指标升高了4.24%，VOE系数降低了11.57%。实验结果表明，该算法对于MRI图像中的滑膜增生区域可以实现较好的分割效果，能够辅助医生对病情做出及时诊断。

来源：2020年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第11期