基于U型全卷积神经网络的腹部动脉CT图像分割算法研究

摘要

目的 为了精确分割腹部动脉血管,提出一种基于深度学习的全自动腹部动脉CT图像分割算法.方法 采用区域不平衡块生成方法 提取CT血管横断面、冠状面和矢状面图像特征,接着采用U型全卷积神经网络对块特征进行训练与分割,最后采用最大体素保留法获得三维血管分割图像.选用120例患者腹部CT血管图像进行网络训练和分割实验,分割结果 评价指标采用精确率、召回率和Dice系数.结果 基于U型全卷积神经网络能分割全部腹部CT图像大血管和绝大多数小血管.全卷积神经网络中块尺寸s=32所得平均Dice系数、精确率和召回率分别达87.2％、85.9％和88.5％,且与块尺寸s=48和s=64大致相等.基于U型全卷积神经网络所得平均Dice系数、精确率和召回率均优于其他血管分割算法.结论 基于U型全卷积神经网络算法的图像分割精度高,是一种可行的腹部CT血管分割算法.