深度学习在坐骨神经超声图像识别中的应用研究

摘要

目的 提供一种自动分割模型用于自动识别梨状肌区域坐骨神经超声图像中的解剖结构。方法 回顾性收集2024年3-5月于兰州大学第二医院行梨状肌区域坐骨神经超声检查的患者60例（女34例、男26例），采集其超声图像并标记出臀大肌、梨状肌、骨性结构和坐骨神经的位置，建立数据集。利用Mamba网络搭建U-Mamba超声图像自动分割模型，并利用所构建的数据集进行模型训练和验证。以平均交并比（mIoU）、平均骰子相似系数（mDice）、准确度、敏感度、特异度以及查准率作为评价指标评估模型的性能。结果 以获得的949张标记的超声图像作为数据集，其中训练集852张，测试集97张。在训练集上实现了0.984的mIoU、0.992的mDice。此外，在测试集上实现了0.741的mIoU,0.841的mDice，获得了平均0.986的准确度。经过5折交叉验证，IoU和Dice的中位数（四分位数）分别为0.784(0.678, 0.847)和0.879(0.808, 0.917)。结论 利用U-Mamba框架搭建的梨状肌区域坐骨神经解剖结构自动识别深度学习模型取得了较为理想的分割效果，具有良好的临床应用前景。

关键词

深度学习 / U-Mamba / 梨状肌 / 坐骨神经 / 超声图像