磁共振图像基于Dense-unet和超像素的Multifidus的细分
Rui Xu1, Xin Guo1, Zimin Wang1
1Guilin University of Electronic Technology School of Computer Science and Information Security Guilin China.
Current medical imaging
|March 11, 2024
概括
这项研究引入了使用MRI扫描进行腰椎间盘 (LDH) 的改进细分方法. 新方法通过优化边缘细分来提高诊断准确性,优于标准UNet模型.
科学领域:
- 医学成像分析 医学成像分析
- 计算机辅助诊断 计算机辅助诊断
- 生物医学工程 生物医学工程
背景情况:
- 腰椎间盘 (LDH) 是腰部和腿部疼痛的常见原因之一.
- 在MRI中准确细分腰椎盘对于LDH诊断至关重要.
- 手动对MRI图像进行细分是耗时且低效的.
研究的目的:
- 开发一种高效,准确的方法,用于在MRI中对腰椎盘进行细分.
- 为了改善腰椎间盘 (LDH) 的诊断.
- 为了解决在细分中的特征提取过程中信息丢失的问题.
主要方法:
- 开发了一种结合UNet和超像素细分的新方法.
- 密集块和Swish激活被集成到UNet架构 (Dense-UNet) 中.
- 高层次的语义特征与超像素细节融合在一起,以实现边缘优化的细分.
主要成果:
- 拟议的算法展示了优越的语义细分性能,特别是在对象边缘.
- 与标准UNet相比,它在子相似度系数 (DSC) 中提高了9.5%,在雅卡德指数 (JAC) 中提高了11.3%.
- 该方法在MRI中的多肌的私人数据集上显示了增强的性能.
结论:
- 开发的算法显著提高了腰椎间盘的细分精度.
- 它为基于MRI的诊断提供了更有效和可重复的解决方案.
- 该方法增强了细分细节,同时降低了计算复杂性.
