基于膝关节MR图像的分割模型构建及验证

作     者：蒲秋梅 黄波 席作新 赵丽娜 PU Qiumei;HUANG Bo;XI Zuoxin;ZHAO Lina

作者机构：中央民族大学民族语言智能分析与安全治理教育部重点实验室北京100081 中国科学院高能物理研究所多学科研究中心北京100049 

出 版 物：《暨南大学学报（自然科学与医学版）》 (Journal of Jinan University(Natural Science & Medicine Edition))

年 卷 期：2024年第45卷第3期

页      面：315-326页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(31971311) 

主　　题：医学影像分割 膝关节软骨分割 MR图像 TransUNet 注意力机制 

摘      要：目的:构建并验证一种膝关节MR图像分割算法,旨在解决软骨细小结构识别困难、分割边界模糊、错分等问题,发现软骨的早期病变,帮助医生诊断膝骨关节炎等慢性疾病。方法:使用膝关节公开数据集SKI10进行实验验证,划分为训练集(60%)、验证集(20%)、测试集(20%);基于Transformer方法和U-Net方法,提出融合通道注意力机制和边界注意力机制的新型网络架构CE-TransUNet;以平均Dice相似系数(DSC)为主要评价指标,探索模型在膝关节MR图像分割中的性能。结果:与经典算法进行对比,CE-TransUNet具有更好的分割效果,其DSC指数达到了90.48%,在股骨和胫骨上DSC分别达到了93.55%和93.10%,在股骨软骨和胫骨软骨上DSC分别达到了87.69%和87.58%。结论:CE-TransUNet分割结果与人工分割结果有很好的一致性。其分割效果优于对比网络模型,为膝关节软骨的自动分割提供了一种新思路,能够帮助临床诊断,有较好的应用前景。