改进型Unet网络在脑CT图像出血区域识别与分割中的应用

作者：周正松; 陈旭淼; 张皞宇; 万红丽; 赵杰祎; 张韬; 王晓宇^*

来源：四川大学学报（医学版）, 2022, 53(01): 114-120.

• 自发性脑出血
• 出血区域
• CT图像
• Unet

目的探讨改进型Unet网络技术对脑CT图像出血区域识别与分割的性能及其应用价值。方法回顾性纳入476份自发性脑出血(spontaneous intracerebral hemorrhage, SICH)患者的脑CT图像,采用基于改进型Unet网络对患者脑CT图像出血区域进行识别和分割,由临床医生手动标注出血区域的影像数据,通过随机排序后,选取来自106例患者的430份数据进入训练集,11例患者的46份数据进入测试集,实验数据集通过数据增强后,经过网络训练和模型测试,以检验分割性能,并将分割结果与Unet网络(Base)、FCN-8s和Unet++网络进行对比。结果改进型Unet网络对脑CT图像出血区域的分割中,相似性系数(Dice)、正向预测系数(PPV)、灵敏度系数(SC)三项评价指标分别达到0.873 8、0.901 1和0.864 8,相较于FCN-8s网络分别提升8.80%、7.14%和8.96%,相较于Unet网络(Base)分别提升4.56%、4.44%和4.15%,同时优于Unet++网络的分割性能。结论本文提出的基于Unet网络的改进方法对脑CT出血区域的识别和分割具有良好的性能,是一种脑CT出血区域识别和分割的适用方法,对于辅助临床决策和预防早期血肿扩张具有潜在应用价值。

• 出版日期2022
• 单位四川大学华西医院; 四川大学锦城学院; 公共卫生学院; 四川大学; 四川大学华西第四医院