改进2.5D U-Net的骨盆与股骨联合分割方法

摘要

针对因髋关节CT图像清晰度不高、关节间隙相对狭窄而导致的骨盆与股骨联合分割难度较大的问题，提出一种改进2.5D U-Net的分割方法。方法流程分为3个步骤：首先，提出一种数据归一化方法，利用2.5D分割方法将三维髋关节分割任务转变为二维分割任务；其次，以U-Net网络模型为骨干网络，引入注意力机制来增强网络特征提取能力，在分类概率图中挑选分割精度不高的点单独训练从而修正预测结果；最后，提出了L_MFD损失函数来解决训练样本分类不均衡问题，同时监督网络训练情况，提升模型联合分割性能。结果表明，所提出的方法在骨盆与股骨的联合分割任务上的Dice相似系数（DSC）分别为94.75%、95.74%,豪斯多夫距离95（HD95）分别为1.29 mm、1.59 mm,均优于基准网络模型（3D U-Net）。

关键词

深度学习 / 卷积神经网络 / 注意力机制 / CT影像 / 髋关节分割