基于半监督多头网络的腰椎CT图像分割

针对医学图像分割任务中医学数据标注困难以及CT图像强度不均匀问题,提出一种基于半监督的多头分割网络SSMH-Net。SSMH-Net网络采用教师—学生训练架构,基于相同的分割模型V-Net,通过指数移动平均算法完成教师与学生模型的交互训练;采用Multi-Head方法估计模型预测的不确定性信息,指导分割模型在更可靠的目标中学习。在CTspine分割数据集上,SSMH-Net网络平均分割Dice系数达到95.70%,表现出较为优异的分割性能。

基于CCL的半自动颈椎曲度测量方法

颈椎曲度是评价颈椎功能的重要指标之一,但在临床实际中仍采用手动测量的方式,浪费了医学专家的宝贵时间。本文提出了一种基于超像素分割的半自动颈椎曲度测量方法。首先,利用超像素将椎体从颈椎MR图像中分割出来,然后结合CCL方法测量颈椎曲度。该方法在32名受试者的颈椎MR图像上进行测试,将本文所提颈椎曲度测量方法测得的曲度与真实颈椎曲度进行对比,分别实现了2.980°和1.604°的平均绝对误差。