基于深度学习的膝关节MR图像自动分割方法

作     者：于宁波 刘嘉男 高丽 孙泽文 韩建达 Yu Ningbo;Liu Jia'nan;Gao Li;Sun Zewen;Han Jianda

作者机构：南开大学人工智能学院天津300350 南开大学天津市智能机器人技术重点实验室天津300350 北京大学第三医院运动医学研究所北京100083 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2020年第41卷第6期

页      面：140-149页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 10[医学] 

基　　金：国家重点研发计划(2018YFB1307803) 国家自然科学基金(6187021848) 中央高校基本科研业务费资助 

主　　题：医学图像分割 膝关节 磁共振图像 深度学习 卷积神经网络 

摘      要：膝关节磁共振图像的自动分割具有重要的临床需求,图像中分割目标的大小不同为精准分割带来了挑战。基于深度学习,提出一种端到端的DRD U-Net。以残差模块作为基本模块,增加了对特征的复用能力。利用并行的扩张卷积模块获取不同的感受野,克服了U-Net模型单一感受野的局限性,提高了对不同大小目标的分割能力。设计多输出融合的深监督模块,直接利用不同层次的特征实现了信息互补,提高了分割区域的连贯性和准确性。在OAI-ZIB数据集上测试,平均分割表面距离为0.2 mm,均方根表面距离为0.43 mm,豪斯多夫距离为5.22 mm,平均戴斯系数(DSC)为93.05%,重叠误差为3.86%。相比于基线U-Net和其他现有模型,所提方法在膝关节股骨、胫骨、股骨软骨、胫骨软骨的分割方面都取得了更高的精度。