基于空洞卷积U-Net模型的胰腺自动分割方法研究

摘要

目的 探讨一种空洞卷积U-Net模型对胰腺组织精准分割的可行性.方法 通过对标准U-Net模型进行改进,得到一种多尺度空洞卷积U-Net模型,以100例放疗定位CT中包含完整胰腺的盆腔肿瘤患者的影像和结构信息为研究对象,对两种U-Net模型进行训练和测试,最终比较两者的分割精度.分割精度量化指标分别是戴斯相似性系数(DSC)、杰卡德相似性系数(JSC)、豪斯多夫距离(HD)和平均表面距离(ASD).结果 与标准U-Net模型分割结果比较,该研究的空洞卷积U-Net模型的DSC均值达到0.87,JSC、HD和ASD均值也分别为0.78、9.85 mm和1.62 mm,且差异有统计学意义(P＜0.05).结论 基于标准U-Net模型搭建的空洞卷积U-Net模型能够更准确的分割健康胰腺组织,对改进辅助诊断系统和提高放射治疗效果有着重要的意义.