SPECT骨显像的关节炎病灶自动分割

摘要

关节炎是一种常见的多发性生理疾病,临床上易出现骨转移特别是溶骨性转移和关节炎之间的误判。为了从SPECT图像中准确分割关节炎病灶,文中构建一种面向关节炎病灶可靠评估的不同分割模型。首先,对SPECT骨显像数据进行归一化及扩展处理,适度扩充数据量;其次,借助深度学习的特征自动提取功能,构建基于Mask R-CNN的关节炎病灶分割模型,同时构建基于聚类技术的传统分割模型;最后,使用一组真实SPECT骨显像数据,验证所构建的分割模型的有效性。实验结果表明,所构建的深度分割模型可用于关节炎病灶的分割,准确率、召回率和平均交并比分别为0.6044,0.7204和0.6253,聚类分割模型获得的平均交并比为0.802。尽管深度分割模型获得的平均交并比值较低,但其具有实现SPECT图像中关节炎病灶语义分割的潜能。