基于3D VNetTrans的膝关节滑膜磁共振图像自动分割

O482.53; 膝关节是类风湿性关节炎(Rheumatoid Arthritis,RA)常见累及关节,膝关节滑膜的精准分割对RA诊断和治疗有重要影响,本文提出了一种基于VNet网络的改进算法对膝关节滑膜磁共振图像进行自动分割.首先对39名滑膜炎患者的膝关节磁共振图像进行数据预处理,通过将Transformer编码器嵌入VNet网络底部的方式构建VNetTrans网络,使用MemSwish激活函数进行训练.最终模型平均Dice系数为0.7585,HD为24.6 mm;相较于VNet,Dice系数提升0.0836,HD距离减少10 mm.实验结果表明,该算法可对膝关节磁共振图像中滑膜增生区域实现...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	波谱学杂志 2022, Vol.39 (3), p.303-315
Hauptverfasser:	王颖珊, 邓奥琦, 毛瑾玲, 朱中旗, 石洁, 杨光, 马伟伟, 路青, 汪红志
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	O482.53; 膝关节是类风湿性关节炎(Rheumatoid Arthritis,RA)常见累及关节,膝关节滑膜的精准分割对RA诊断和治疗有重要影响,本文提出了一种基于VNet网络的改进算法对膝关节滑膜磁共振图像进行自动分割.首先对39名滑膜炎患者的膝关节磁共振图像进行数据预处理,通过将Transformer编码器嵌入VNet网络底部的方式构建VNetTrans网络,使用MemSwish激活函数进行训练.最终模型平均Dice系数为0.7585,HD为24.6 mm;相较于VNet,Dice系数提升0.0836,HD距离减少10 mm.实验结果表明,该算法可对膝关节磁共振图像中滑膜增生区域实现较好的3D分割,具有诊断和监测RA发展过程的应用价值.
ISSN:	1000-4556
DOI:	10.11938/cjmr20222988