基于改进UNETR++的肝脏分割

肝脏MRI影像的脂肪定量标准化过程中常需要对肝脏感兴趣区域进行手工采样,但手工采样策略耗时且结果多变.基于深度学习方法的全肝分割与手工勾勒的感兴趣区域在进行脂肪定量分析时,变异性误差和不确定性程度更低,性能更优越.在进行全肝分割任务时,为了提升分割性能,本文在UNETR++模型的基础上,进行改进.该方法融合卷积神经网络和Transformer结构各自的优点,增加卷积结构分支用于补足局部特征,同时引入门控注意力机制,抑制不相关的背景信息,使模型更为突出分割区域的显著特征.相比于UNETR++及其他分割模型,改进的方法具有更优的DCS及HD95指标.

MRI定量分析肝、胰脂肪含量与糖耐量的相关性

目的磁共振成像(MRI)定量分析肝、胰脂肪含量与糖耐量的相关性。方法于2020年8月至2022年6月期间在中山火炬开发区人民医院进行相关检查的对象中抽选符合条件的样本成为本次研究的对象,分为:糖耐量正常(NGT)组、糖耐量异常(IGT)组、2型糖尿病(T2DM)组。NGT组(健康志愿者):男18例,女12例,年龄50~73(60.3±7.4)岁;IGT组:男16例,女14例,年龄52~70(61.7±6.9)岁;T2DM组:男20例,女10例,年龄50~74(61.9±7.2)岁。采用1.5T磁共振T1 VIBE Dixon序列获得受试者“脂相、水相,同相位、反相位”4幅图像。计量资料符合正态分布,使用平均值±标准差描述连续变量。采用Spearman秩相关检验对肝脏和胰腺脂肪含量与各实验室指标进行相关分析。采用单因素方差分析或Kruskal-Wallis H检验,根据方差检验的均一性评价3组组间连续变量的差异。结果肝脏和胰腺脂肪含量与实验室检查糖化血红蛋白(hBA1c)、高密度脂蛋白(HDL)、丙氨酸氨基转移酶(ALT)、餐后2h血糖(P2BG)、肌酐(CR)、尿酸(UA)、三酰甘油(TG)、体质量指数(BMI)指标相关。T2DM组肝、胰脂肪含量[(17.88±5.91)%、(12.15±4.75)%]均高于IGT组[(10.63±3.27)%、(8.35±3.54)%]与NGT组[(8.83±2.04)%、(5.42±1.31)%],差异均有统计学意义(F=8.34、10.53,均P<0.05)。结论磁共振对肝、胰脂肪含量的定量分析判断对糖耐量异常有较高敏感性,能够为临床提供无创性检查手段,辅助临床对治疗效果的评价。