基于CT深度学习模型对肾上腺分割的可行性分析.pdfVIP

国际医学放射学杂志ＩｎｔＪＭｅｄＲａｄｉｏｌ２０25Mar鸦48穴2雪：146-150

论著

基于CT深度学习模型对肾上腺分割的可行性分析

1，2，32，32，31，2，31，2，3

张托，孟繁星，潘玉坤，阚晓婧，葛英辉

【摘要】目的CT方法

基于深度学习方法训练模型，探讨其在平扫影像上完成全自动分割肾上腺的可行性。回

顾性收集行肾上腺CT平扫检查的病人1200例。采用5折交叉验证法，将病人按8∶2的比例分为训练集（960例）和

内部测试集（240例）；另外收集行肾上腺CT平扫检查病人81例作为独立测试集。基于nnU-Net框架分别构建2D

nnU-Net和3DnnU-Net分割模型。采用Mann-WhitneyU检验、χ2检验对2组数据集之间的临床和CT影像特征进

行比较。以内部测试集和独立测试集的Dice系数（DSC）、Hausdorff距离（HD）、平均对称表面距离（ASSD）、召回率

（Ｒｅｃａｌｌ）和精确度来客观评价模型的分割效能。由2名影像医师对独立测试集3DnnU-Net模型分割结果进行主观

评价。结果训练集+内部测试集和独立测试集之间一般资料比较，其差异均无统计学意义（均P0.05）。在内部测

2D3DnnU-Net2DnnU-Net3DnnU-

试集和独立测试集上，和模型对左、右侧肾上腺分割效能均较高。相比模型，

NetDiceHDASSD2DnnU-Net3DnnU-Net

模型的系数、精确度均更高，、更低，召回率更高或相似。与模型相比，的

23DnnU-Net

分割效果与人工标注更接近。名影像医师对模型在独立测试集中的分割预测结果进行主观评价，其

62.96%37.04%结论CT

中分割满意，分割不满意。基于深度学习构建的肾上腺分割模型在平扫影像上全自动分

割肾上腺具有可行性。

【关键词】X

肾上腺；肾上腺分割；体层摄影术，线计算机；深度学习

中图分类号：R814.42；R816.7文献标志码：A

Feasibilityanalysisofadrenalsegmentation