腰椎自动语义分割：基于多参数多中心磁共振图像的临床适用性研究

医学图像分割的主要困难之一在于图像的高度变异性，这种变异性源于其来源（多中心）、采集协议（多参数），以及人体解剖结构、疾病严重程度、年龄和性别等因素的影响。本文研究的问题是使用卷积神经网络对腰椎磁共振图像进行自动语义分割。其目的是为图像的每个像素分配一个类别标签。类别由放射科医生定义，对应于椎体、椎间盘、神经、血管及其他组织等不同结构元素。所提出的网络结构均为 U-Net 架构的变体。定义这些变体时使用了若干互补模块：三种卷积块、空间注意力模型、深度监督以及多级特征提取器。本文描述了这些拓扑结构，并分析了获得最精确分割结果的神经网络设计。所提出的多个设计优于作为基线的标准 U-Net，尤其在使用集成方法、根据不同策略组合多个神经网络输出时表现更为突出。