基于深度学习的前路坐骨神经超声图像分割

贾尚超; 常兆斌; 陈青峰; 赵大成; 徐大赓; 黄生辉

doi:10.13885/j.issn.2097-681X.M20251889

兰州大学学报（医学版） ›› 2026, Vol. 52 ›› Issue (2) : 23 -29. DOI: 10.13885/j.issn.2097-681X.M20251889

基于深度学习的前路坐骨神经超声图像分割

贾尚超, 常兆斌, 陈青峰, 赵大成, 徐大赓, 黄生辉

作者信息 +

Author information +

文章历史 +

PDF

摘要

目的构建一套超声影像数据集，建立基于深度学习的超声图像识别系统，用以探索前入路区域坐骨神经阻滞区域的识别方法。方法通过超声采集前路坐骨神经图像，借助ITK-SNAP软件手动标记，建立数据集。采用PyTorch深度学习框架进行训练数据及感兴趣区域分割输出，以平均交并比、平均骰子相似系数作为评价指标评估模型的性能。结果以获得的3 000张标记超声图像作为数据集，其中，训练集1 800张，验证集600张，测试集600张。测试集坐骨神经的平均交并比为0.675，平均骰子相似系数为0.775，模型平均F1分数为0.718，中位数为0.720。经5折交叉验证，坐骨神经的平均交并比中位数为0.805。结论基于深度学习模型，在自动识别前入路区域坐骨神经解剖结构时获得了良好效果，可实现局麻药在神经旁间隙的安全、精准注射，具有良好的临床应用价值。