人体腕管组织智能分割和定量分析

目的腕管综合征是一种常见的神经疾病,可引起疼痛、麻木甚至肌肉萎缩,严重影响患者的日常生活和工作。提出了一种可以从MR图像中获取相关组织的分割的方法,这些分割的形态学参数的自动量化结果可以在腕管综合征的诊断和康复中提供基本帮助。方法本文提出了一种新的深度网络架构,以全面应对这些挑战。提出了一种双路编码模型结构,设计了中等尺度合特征提取模块,通过交叉融合机制提取丰富的特征。为了提高编码器中自注意力在小数据量任务中的表现,提出了一种边缘引导模块,将边缘信息作为一种显式监督来训练模型。此外,设计了基于最大熵的损失,来约束模型收敛。结果提出的自动分割模型达到0.92左右的DSC。基于精确的自动分割结果,自动测量腕管相关组织的7个形态学参数。这些参数的定量结果与手动结果相比的平均相关系数达到0.92以上。所提出的方法在本文的数据集上进行了评估,它始终优于其他用于分割的方法。结论自动量化过程产生的测量结果与放射科医生手动获得的测量结果相当。本文证明了自动腕管组织MRI图像分割和定量分析与所提出的方法的可行性。这为腕管综合征的诊断和治疗节省了宝贵的时间。