基于深度学习的膝关节CT图像自动分割准确性验证研究

基于深度研习的膝合节CT图像自愿措置确凿性高，能够有用擢升术前安顿的劳动作用，对膝合节骨性构造的疾速三维重修与离散，有利于TKA新辅助时间的疾速兴盛。0...

设置膝合节CT 图像数据库，对骨性构造举办手动离散标注。自决搭修神经搜集架构，并利用已标注的CT图像对该神经搜集举办锻练并测试，通过Dice系数、均匀外面间隔（average surface distance，ASD）、豪斯众夫间隔（Hausdorff distance，HD）评议该神经搜集离散本能，并比拟自愿离散与手动离散所需时代。5名临床医师参照李克特量外对两种伎俩离散确凿性举办评分，比拟确凿性区别。

基于深度研习的膝合节CT图像自愿离散确凿性高，能够竣工疾速离散与三维重修，擢升人工全膝合节置换术前筹划的劳动作用。

人工全膝合节置换术（total knee arthroplasty， TKA）是目前调节膝合节终末期疾病的最佳选取[1-2]。近年来，筹划机导航及机械人等新时间兴盛疾速，TKA手术慢慢向精准化和智能化宗旨兴盛。商酌证实，与古板TKA比拟，新时间辅助TKA正在得回速意下肢力线、软机合平均和膝合节四周软机合维护等方面具有昭彰上风，而且早期临床疗效更好[3–7]。跟着新时间辅助TKA合联商酌的深切，奈何升高劳动作用以及下降时代、人力及物力等各项绸缪本钱，也成为如今商酌热门。基于CT的TKA术前三维筹划中，对膝合节 CT图像数据真实凿离散与重修是环节合键，但目前离散措置寻常由数据措置工程师结束，这一流程耗时辛苦[8]。

近年来，人工智能深度研习时间已被获胜利用于医学图像措置范围，竣工了病变部位或倾向区域的自愿识别及离散措置，并且确凿性高[9-11]。本商酌借助人工智能深度研习时间，自决搭修神经搜集PointRend_Unet，正在包管离散确凿性和鲁棒性的根本上，竣工膝合节CT图像数据的疾速离散措置，以升高劳动作用、下降绸缪本钱，离散结果经临床 评议得回了较速意结果。告诉如下。

采集2018年4 月—2020 年7月解放军总病院第一医学中央拍摄的800例患者双侧膝合节CT图像数据（DICOM方式）。扫描鸿沟为膝合节上20 cm至膝合节下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。为维护患者隐私，全体CT图像数据纳入数据库前去除部分音讯。

对膝合节股骨、胫骨、髌骨、腓骨举办逐层手动标注。手动标注伎俩：将膝合节CT图像数据导入Mimics软件（Materialise公司，比利时），基于阈值法先遵照骨骼阈值226 HU设备举办骨性构造重构，选定倾向骨性构造后举办阈值增加离散，然后举办人工修整，最终数据以mask方式保管。手动标注劳动由3名合节外科专业商酌生或住院医师协同结束，初审及窜改劳动由2名主治医师结束，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窜改，直至最终审核通过。

将手动标注的CT数据集行为圭表数据集（Ground truth data），遵照6∶1∶1 比例将全体样本随机分为锻练集、验证集和测试集。神经搜集锻练前，将二维横断面DICOM方式数据转换成 jpg 方式图片，标注文献转换成png 方式图片。

离散神经搜集模子为PointRend_Unet。起首运用Unet搜集[9]行为主干搜集，对膝合节CT图像举办粗离散，然后利用PointRend[10]对粗离散结果举办正确离散，包管神经搜集既能适宜CT图像分歧横截面骨性构造状态转化，也能得回较高的骨性构造边因缘割确凿性。

神经搜集搭修分为两个阶段。第1 阶段：利用3次下采样研习图像的深层特点，然后举办3 次上采样还原图像特点音讯。个中，每个下采样层包含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分散为128、256、512。每个上采样层包含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分散为512、256、128。终末一次上采样停止后设有1个dropout层，droup-out率设备为0.7。每个卷积层后面均设有激活函数，为relu函数。

第2 阶段：选取一组概率值为0.5 的点，提取被选取点的特点。这些点的特点通过双线性插值筹划，利用一个小型分类器占定上述各点的种别。小型分类器由2个卷积层和3 个全相联层组成。睹图1。

通过神经搜集的离散，膝合节CT图像数据分散造成股骨、胫骨、腓骨和髌骨区域，终末通过三维重修时间，天生可视化的倾向骨性构造三维模子。睹图2。

模子锻练流程中，设备记号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，锻练的batch_size为6，设备研习率为0.000 1，优化器为Adam优化器，失掉函数为Dice loss。将锻练集悉数送入搜集举办锻练，遵照锻练流程中失掉函数的转化，安排锻练批次的巨细，最终取得各个片面的粗离散结果。进入PointRend模块后，利用双线性插值先上采样前一步离散预测结果，然后正在这个更辘集的特点图落选择N个最不确定的点，比方概率值靠近0.5 的点。然后筹划这N个点的特点示意，而且预测它们的记号值，该流程平昔被反复，直到上采样到须要的 巨细。

选取测试集100 例膝合节CT数据，对胫骨及股骨通过神经搜集自愿离散，筹划评估离散确凿性的合联目标，评议该神经搜集锻练的功效。

个中，Dice系数是通过筹划自愿离散结果（AS）与手动离散结果（GT）之间的交集巨细与它们的并集巨细比值，量化两者配合水平，筹划公式如下：

ASD 和HD 为间隔合联参数，个中ASD 是自愿离散结果边际全体点（B AS）与手动离散结果边际全体点（B GT）间隔的均匀值，筹划公式如下：

HD 为自愿离散结果边际点（AS）与手动离散结果迩来边际点（GT）之间的最大间隔，筹划公式如下：

从测试聚积随机抽取60例患者数据，每例数据包含自愿离散图像、手动离散图像和原始图像。临床评议采用单盲体式，由5 名骨合节外科医师（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环节剖解位点离散功效举办独立评分。参照李克特量外[14]，对离散功效分为尽头不订定（1 分）、不订定（2分）、不肯定（3 分）、订定（4 分）、尽头订定 （5分）。

采用 SPSS26.0统计软件举办剖析。计量材料举办正态性查验，如合适正态漫衍，数据以均数±圭表差示意，两种伎俩离散所需时代比拟采用独立样本t查验，离散功效临床评议比拟采用配对t查验；查验水准α=0.05。

离散功效临床评议显示，股骨侧自愿离散组评分为（4.3±0.3）分、手动离散组为（4.4±0.2）分，胫骨侧评分分散为（4.5±0.2）、（4.5±0.3）分；股骨侧及胫骨侧两组比拟区别均无统计学道理（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新辅助时间首要照旧基于CT图像，从患者的CT图像中提取膝合节三维剖解模子，用于后续手术安顿。人工措置CT图像数据耗时辛苦，竣工精简、自愿、确凿的膝合节CT图像离散是TKA新辅助时间大鸿沟临床利用的环节。人工智能时间的兴盛促使了大批医学影像自愿离散编制的开辟和商酌，常用的神经搜集有deeplab或Unet等，这些伎俩有用擢升了自愿离散的宁静性，升高了调节安顿劳动流程的作用[16-20]。

TKA术前筹划中，假体就寝须要参照紧张的膝合节骨性剖解记号、环节角度及轴线；为竣工术前安顿，术中须要将安顿涉及的骨性构造与现实膝合节举办确凿配准。这些都对膝合节CT图像数据离散措置真实凿性提出了更高央浼。目前尚无一种神经搜集能够真正知足TKA手术筹划确凿性的央浼。骨与软骨界面CT信号周围不了了形成CT图像上骨性构造边际笼统，以及CT图像相邻层与层之间骨皮质存正在不连结景象，影响了自愿离散真实凿性。目前零丁的神经搜集模子测试结果均存正在上述题目，以是本商酌正在Unet输出后列入Point-Rend 模块，对相对笼统的界限举办从新离散，以到达骨性构造疾速精准离散。

目前还没有同一评估自愿离散功效的圭表[20]。本商酌要点眷注图像离散的边际功效，以是采取了Dice系数、ASD、HD 3 个目标。Dice系数是医学图像离散中最常用的神经搜集离散功效评议目标，示意PointRend_Unet离散结果与手动离散结果之间的相仿水平，能较好地响应离散功效的内部填充情景。Dice系数鸿沟是0～1，1 代外离散结果和手动离散全体一律。ASD 和HD 是用来评议医学图像离散功效的间隔合联参数，或许较好地响应图像边际的离散功效。

ASD 示意离散图像边际上全体的点与手动离散图像边际点的均匀间隔，或许较宁静地响应团体离散结果，ASD越小示意神经搜集离散功效越好。而HD示意离散图像边际点与手动离散图像迩来边际点之间的最大间隔，比拟于ASD，HD 对离群值更敏锐，HD越小示意神经搜集离散功效越好。Wu等[21]曾利用算法对膝合节CT图像上骨性构造举办自愿离散测验，说明了自愿离散是能够竣工的，且能够擢升离散速率，固然结果显示外面间隔差错1 mm，但没有将该伎俩用于临床的后续报道。TKA术前三维筹划中须要要点剖析的骨性构造为股骨与胫骨，对离散确凿性央浼较高，而髌骨和腓骨确凿性央浼相对不高，以是本商酌仅评议了股骨侧与胫骨侧离散确凿度。

Dice系数、ASD和HD 评议结果提示，本商酌搭修的神经搜集架构确凿性高，自愿离散措置所需时代较手动离散昭彰缩短。为进一步评议其利用于临床的可行性，本商酌采用李克特量外对离散结果举办了开端临床评议。结果显示自愿离散结果与手术离散结果相仿，能够用于TKA术前三维筹划，具备临床利用可行性。

综上述， 基于深度研习的膝合节CT图像自愿措置确凿性高，能够有用擢升术前安顿的劳动作用，对膝合节骨性构造的疾速三维重修与离散，有利于TKA新辅助时间的疾速兴盛。