U-Net深度学习网络对MRI表观扩散系数图中前列腺癌自动分割及定位的可行性研究

发布时间：2021-08-14 19:48

　　目的探讨使用U-Net深度学习网络对MRI表观扩散系数（ADC）图像中前列腺癌（PCa）自动分割及定位的可行性。方法回顾性搜集2017年6月1日至2019年3月31日北京大学第一医院因临床怀疑PCa拟行前列腺穿刺的男性患者的临床和影像资料。共纳入245例患者,根据病理结果将所有患者分为PCa组（n=184）与非PCa组（n=61）,并随机分为训练集（PCa 129例,非PCa 19例）、验证集（PCa 18例,非PCa 3例）和测试集（PCa 37例,非PCa 39例）。由1名放射科医师依据病理结果在ADC图上勾画PCa癌灶,并通过前列腺腺体分割模型将测试集前列腺腺体自动划分6分区。经过前列腺腺体自动分割等预处理后,采用U-Net深度学习网络进行PCa分割模型的训练。以医师标记结果为金标准,用Dice相似系数（DSC）评价AI模型对测试集PCa癌灶的分割效果。并分别以患者及病灶为单位评价模型对PCa的检出效能,以6分区法评价模型对癌灶自动定位的准确性。结果测试集中,医师标注癌灶51个,最大径线为（1.9±0.7）cm,6分法癌灶分区456个（PCa区122个、非PCa区334个）。以病... 

【文章来源】：中华放射学杂志. 2020,54(10)北大核心CSCD

【文章页数】：6 页


本文编号：3343078