普通外科

运用深度学习主动腹部切割进行身体组成剖析

作者:佚名 来历:MedSci梅斯 日期:2019-06-18
导读

         本研讨旨在树立并点评一种切割CT图画腹部成分的全主动算法。 本研讨根据U网结构的卷积神经网络进行练习来对2430例CT查看腹部数据进行切割,并在270例CT查看进行验证。随后又对额定的2369例肝细胞肝癌(HCC)患者进行验证。运用双要素方差剖析点评切割作用差异。 成果为,与参照切割比较,本研讨模型Dice评分在测验组皮下、肌肉及内脏脂肪组织成分分别为0.98 0.03、0.96 0.02、

关键字:  腹部 

        本研讨旨在树立并点评一种切割CT图画腹部成分的全主动算法。

        本研讨根据U网结构的卷积神经网络进行练习来对2430例CT查看腹部数据进行切割,并在270例CT查看进行验证。随后又对额定的2369例肝细胞肝癌(HCC)患者进行验证。运用双要素方差剖析点评切割作用差异。

        成果为,与参照切割比较,本研讨模型Dice评分在测验组皮下、肌肉及内脏脂肪组织成分分别为0.98 ± 0.03、0.96 ± 0.02、、0.97 ± 0.01,在HCC组皮下、肌肉及内脏脂肪组织成分分别为0.94 ± 0.05、0.92 ± 0.04、0.98 ± 0.02。切割作用满意或超越专家人工切割。

        本研讨标明,该模型切割作用满意乃至超越专家人工切割作用。该模型可以全主动定量点评3D CT查看的身体成分。

        原始出处:

        Weston AD, Korfiatis P, Kline TL,et al.Automated Abdominal Segmentation of CT Scans for Body Composition Analysis Using Deep Learning.Radiology.DOI:10.1148/radiol.2018181432

共享:

copyright©Online Casino论坛网 版权所有,未经许可不得仿制、转载或镜像 京ICP证120392号 京公网安备11010502031486号

京卫网审[2013]第0193号

互联网药品信息服务资格证书:(京)-经营性-2012-0005

//站内计算 //百度计算 //站长计算
*我要反应: 姓    名: 邮    箱: