不同计算机自动分割算法对不规则脑出血CT图像分割的对比研究

目的通过对比三种计算机自动分割算法对不规则脑出血区域分割的准确性,以得出自动识别不规则脑出血区域的最佳算法。方法选取20例不规则脑出血患者的计算机体层摄影(Computed Tomography,CT)头颅平扫图像作为研究对象,分别采用模糊聚类水平集算法(Fuzzy Clustering and Distance Regularized Level Set Evolution,FCRLS)、阈值法、区域生长法对同一图像进行病灶分割,并以人工勾画病灶区图像作为“金标准”,采用戴斯相似性系数(Dice Similarity Coefficient,DSC)、杰卡德指数(Jaccard Index)、相对体积差(Relative Volume Difference,RVD)比较不同算法对病灶分割的精确度和重合度。结果FCRLS、阈值法、区域生长法的Dice系数分别为(0.88±0.04)、(0.76±0.13)、(0.71±0.12);Jaccard系数分别为(0.80±0.07)、(0.63±0.17)、(0.56±0.14);RVD值分别为(0.12±0.13)、(0.42±0.50)、(0.79±0.52)。FCRLS的Dice、Jaccard系数大于灰度阈值法和区域生长法,差异具有统计学意义(P<0.001);FCRLS的RVD值小于灰度阈值法和区域生长法,差异具有统计学意义(P<0.001)。结论FCRLS、阈值法、区域生长法三种算法比较,FCRLS对于不规则脑出血病灶的自动提取的准确性、鲁棒性均最高,可用于临床辅助诊断和后续治疗。