基于深度学习的膝关节CT图像自动分割准确性验证研究

基于深度练习的膝闭节CT图像自愿经管精确性高，能够有用提拔术前计算的使命功效，对膝闭节骨性布局的急迅三维重筑与割裂，有利于TKA新辅助技巧的急迅发达。0...

开发膝闭节CT 图像数据库，对骨性布局举行手动割裂标注。自决搭筑神经汇集架构，并应用已标注的CT图像对该神经汇集举行熬炼并测试，通过Dice系数、均匀轮廓隔断（average surface distance，ASD）、豪斯众夫隔断（Hausdorff distance，HD）评议该神经汇集割裂机能，并较量自愿割裂与手动割裂所需时光。5名临床医师参照李克特量外对两种手法割裂精确性举行评分，较量精确性不同。

基于深度练习的膝闭节CT图像自愿割裂精确性高，能够实行急迅割裂与三维重筑，提拔人工全膝闭节置换术前筹办的使命功效。

人工全膝闭节置换术（total knee arthroplasty， TKA）是目前调节膝闭节终末期疾病的最佳选拔[1-2]。近年来，计划机导航及呆板人等新技巧发达火速，TKA手术逐步向精准化和智能化对象发达。切磋注解，与守旧TKA比拟，新技巧辅助TKA正在获取如意下肢力线、软构制平均和膝闭节界限软构制珍惜等方面具有明明上风，而且早期临床疗效更好[3–7]。跟着新技巧辅助TKA闭联切磋的深切，怎样提升使命功效以及消浸时光、人力及物力等各项计算本钱，也成为暂时切磋热门。基于CT的TKA术前三维筹办中，对膝闭节 CT图像数据的精确割裂与重筑是枢纽闭头，但目前割裂经管平常由数据经管工程师完结，这一历程耗时辛苦[8]。

近年来，人工智能深度练习技巧已被告成利用于医学图像经管范畴，实行了病变部位或宗旨区域的自愿识别及割裂经管，并且精确性高[9-11]。本切磋借助人工智能深度练习技巧，自决搭筑神经汇集PointRend_Unet，正在保障割裂精确性和鲁棒性的根底上，实行膝闭节CT图像数据的急迅割裂经管，以提升使命功效、消浸计算本钱，割裂结果经临床 评议获取了较如意结果。呈报如下。

搜求2018年4 月—2020 年7月解放军总病院第一医学核心拍摄的800例患者双侧膝闭节CT图像数据（DICOM式子）。扫描鸿沟为膝闭节上20 cm至膝闭节下10 cm，层厚0.625～1.000 mm。拍摄时患者取仰卧位，双下肢尽量伸直，双膝并拢，髌骨朝向天花板。为珍惜患者隐私，全面CT图像数据纳入数据库前去除局部新闻。

对膝闭节股骨、胫骨、髌骨、腓骨举行逐层手动标注。手动标注手法：将膝闭节CT图像数据导入Mimics软件（Materialise公司，比利时），基于阈值法先依据骨骼阈值226 HU创立举行骨性布局重构，选定宗旨骨性布局后举行阈值延长割裂，然后举行人工修整，最终数据以mask式子生存。手动标注使命由3名闭节外科专业切磋生或住院医师联合完结，初审及删改使命由2名主治医师完结，最终标注结果由1名主任医师审核确认。审核不足格病例退回删改，直至最终审核通过。

将手动标注的CT数据集行为程序数据集（Ground truth data），依据6∶1∶1 比例将全面样本随机分为熬炼集、验证集和测试集。神经汇集熬炼前，将二维横断面DICOM式子数据转换成 jpg 式子图片，标注文献转换成png 式子图片。

割裂神经汇集模子为PointRend_Unet。最先欺骗Unet汇集[9]行为主干汇集，对膝闭节CT图像举行粗割裂，然后应用PointRend[10]对粗割裂结果举行无误割裂，保障神经汇集既能符合CT图像区别横截面骨性布局形式变革，也能获取较高的骨性布局边因缘割精确性。

神经汇集搭筑分为两个阶段。第1 阶段：应用3次下采样练习图像的深层特质，然后举行3 次上采样还原图像特质新闻。此中，每个下采样层包罗2个卷积层和1 个池化层，卷积层的卷积核巨细为3×3，池化层中的步长巨细为2×2，3 个下采样层中的卷积核个数区分为128、256、512。每个上采样层包罗1个反卷积层和2 个卷积层，反卷积层的卷积核巨细为2×2，卷积层的卷积核巨细为3×3，3个上采样层中的卷积核个数区分为512、256、128。末了一次上采样已矣后设有1个dropout层，droup-out率创立为0.7。每个卷积层后面均设有激活函数，为relu函数。

第2 阶段：选拔一组概率值为0.5 的点，提取被选拔点的特质。这些点的特质通过双线性插值计划，应用一个小型分类器判别上述各点的种别。小型分类器由2个卷积层和3 个全衔接层组成。睹图1。

通过神经汇集的割裂，膝闭节CT图像数据区分酿成股骨、胫骨、腓骨和髌骨区域，末了通过三维重筑技巧，天生可视化的宗旨骨性布局三维模子。睹图2。

模子熬炼历程中，创立标帜数据的配景像素值为0、股骨为1、胫骨为2、腓骨为3、髌骨为4，熬炼的batch_size为6，创立练习率为0.000 1，优化器为Adam优化器，牺牲函数为Dice loss。将熬炼集统统送入汇集举行熬炼，凭据熬炼历程中牺牲函数的变革，安排熬炼批次的巨细，最终取得各个局限的粗割裂结果。进入PointRend模块后，应用双线性插值先上采样前一步割裂预测结果，然后正在这个更茂密的特质图膺选择N个最不确定的点，譬喻概率值亲昵0.5 的点。然后计划这N个点的特质暗示，而且预测它们的标帜值，该历程继续被反复，直到上采样到需求的 巨细。

选拔测试集100 例膝闭节CT数据，对胫骨及股骨通过神经汇集自愿割裂，计划评估割裂精确性的闭联目标，评议该神经汇集熬炼的成绩。

此中，Dice系数是通过计划自愿割裂结果（AS）与手动割裂结果（GT）之间的交集巨细与它们的并集巨细比值，量化两者成家水准，计划公式如下：

ASD 和HD 为隔断闭联参数，此中ASD 是自愿割裂结果周围全面点（B AS）与手动割裂结果周围全面点（B GT）隔断的均匀值，计划公式如下：

HD 为自愿割裂结果周围点（AS）与手动割裂结果迩来周围点（GT）之间的最大隔断，计划公式如下：

从测试聚积随机抽取60例患者数据，每例数据包罗自愿割裂图像、手动割裂图像和原始图像。临床评议采用单盲局面，由5 名骨闭节外科医师（1名主任医师、2 名副主任医师、2名主治医师）参照原始图像，对股骨和胫骨中影响假体定位的枢纽剖解位点割裂成绩举行独立评分。参照李克特量外[14]，对割裂成绩分为特地不答应（1 分）、不答应（2分）、不肯定（3 分）、答应（4 分）、特地答应 （5分）。

采用 SPSS26.0统计软件举行明白。计量材料举行正态性检修，如契合正态散布，数据以均数±程序差暗示，两种手法割裂所需时光较量采用独立样本t检修，割裂成绩临床评议较量采用配对t检修；检修水准α=0.05。

割裂成绩临床评议显示，股骨侧自愿割裂组评分为（4.3±0.3）分、手动割裂组为（4.4±0.2）分，胫骨侧评分区分为（4.5±0.2）、（4.5±0.3）分；股骨侧及胫骨侧两组较量不同均无统计学道理（t=1.753， P=0.085；t=0.318，P=0.752）。

固然无影像形式及超声等无射线]，但目前临床常用的TKA新辅助技巧首要仍旧基于CT图像，从患者的CT图像中提取膝闭节三维剖解模子，用于后续手术计算。人工经管CT图像数据耗时辛苦，实行精简、自愿、精确的膝闭节CT图像割裂是TKA新辅助技巧大鸿沟临床利用的枢纽。人工智能技巧的发达促使了豪爽医学影像自愿割裂体例的开荒和切磋，常用的神经汇集有deeplab或Unet等，这些手法有用提拔了自愿割裂的平静性，提升了调节计算使命流程的功效[16-20]。

TKA术前筹办中，假体安顿需求参照要紧的膝闭节骨性剖解符号、枢纽角度及轴线；为实行术前计算，术中需求将计算涉及的骨性布局与实践膝闭节举行精确配准。这些都对膝闭节CT图像数据割裂经管的精确性提出了更高央求。目前尚无一种神经汇集能够真正知足TKA手术筹办精确性的央求。骨与软骨界面CT信号规模不昭着酿成CT图像上骨性布局周围混沌，以及CT图像相邻层与层之间骨皮质存正在不接续情景，影响了自愿割裂的精确性。目前寡少的神经汇集模子测试结果均存正在上述题目，所以本切磋正在Unet输出后参预Point-Rend 模块，对相对混沌的畛域举行从头割裂，以到达骨性布局急迅精准割裂。

目前还没有同一评估自愿割裂成绩的程序[20]。本切磋中心闭心图像割裂的周围成绩，所以采取了Dice系数、ASD、HD 3 个目标。Dice系数是医学图像割裂中最常用的神经汇集割裂成绩评议目标，暗示PointRend_Unet割裂结果与手动割裂结果之间的一样水准，能较好地反应割裂成绩的内部填充情形。Dice系数鸿沟是0～1，1 代外割裂结果和手动割裂全体相似。ASD 和HD 是用来评议医学图像割裂成绩的隔断闭联参数，可能较好地反应图像周围的割裂成绩。

ASD 暗示割裂图像周围上全面的点与手动割裂图像周围点的均匀隔断，可能较平静地反应具体割裂结果，ASD越小暗示神经汇集割裂成绩越好。而HD暗示割裂图像周围点与手动割裂图像迩来周围点之间的最大隔断，比拟于ASD，HD 对离群值更敏锐，HD越小暗示神经汇集割裂成绩越好。Wu等[21]曾应用算法对膝闭节CT图像上骨性布局举行自愿割裂测验，说明了自愿割裂是能够实行的，且能够提拔割裂速率，固然结果显示轮廓隔断偏差1 mm，但没有将该手法用于临床的后续报道。TKA术前三维筹办中需求中心明白的骨性布局为股骨与胫骨，对割裂精确性央求较高，而髌骨和腓骨精确性央求相对不高，所以本切磋仅评议了股骨侧与胫骨侧割裂精确度。

Dice系数、ASD和HD 评议结果提示，本切磋搭筑的神经汇集架构精确性高，自愿割裂经管所需时光较手动割裂明明缩短。为进一步评议其利用于临床的可行性，本切磋采用李克特量外对割裂结果举行了发端临床评议。结果显示自愿割裂结果与手术割裂结果一样，能够用于TKA术前三维筹办，具备临床利用可行性。

综上述， 基于深度练习的膝闭节CT图像自愿经管精确性高，能够有用提拔术前计算的使命功效，对膝闭节骨性布局的急迅三维重筑与割裂，有利于TKA新辅助技巧的急迅发达。