深度学习应用于腋神经的超声图像识别

摘要

目的 探讨并验证一种腋神经自动分割的深度学习模型，以实现实时自动识别腋神经的解剖结构。方法 回顾性分析100例患者（男54例、女46例）的腋神经超声图像，采用软件ITK-SNAP手动标记，建立数据集并分为训练集与测试集；基于U-Mamba框架构建一种腋神经自动分割的深度学习模型；以平均交并比（mIoU）、平均骰子相似系数（mDice）及准确度为评价指标评估模型的性能。结果 共纳入831张超声图像构建数据集。其中训练集683张，测试集148张。训练集的总mIoU为0.980,mDice为0.990。测试集的总mIoU为0.672,mDice为0.776，分割准确度为99.3%。经过5折交叉验证的IoU中位数（四分位数）为0.981(0.978,0.983)。结论 基于U-Mamba的深度学习模型，在自动识别腋神经解剖结构时获得良好的效果，具有较高的临床应用价值。

关键词

深度学习 / U-Mamba / 腋神经 / 超声 / 区域阻滞 / 自动分割 / 图像识别