基于深度学习的SPECT图像关节炎病灶分割

摘要

SPECT骨显像是辅助医生诊断疾病的重要手段.医生依靠手工勾画提取病灶区域的方法效率低且具有一定的主观性.针对这一问题,提出R_U-Net网络模型分割关节炎病灶,不仅能节省医生的诊断时间,还能为患者争取最佳治疗时间.为了检测模型分割效果,使用测试集中含有关节炎病灶的图像分割测试,与Mask R-CNN网络和原U-Net网络相比,R_U-Net网络对关节部位病灶分割结果有所提升,其MPA达到77.6％,MIoU指标达到75.4％.实验结果表明,基于U-Net改进的R_U-Net网络对于SPECT图像关节炎病灶分割效果更好.