基于深度学习的臂丛神经干分割：与医生手动分割的对比研究
图像与视频处理
2024-03-07 v1 计算机视觉与模式识别
机器学习
摘要
超声引导下神经阻滞麻醉（UGNB）是一种高科技的可视化神经阻滞麻醉方法，能够实时观察目标神经及其周围结构、穿刺针的进针过程以及局部麻醉药的扩散情况。UGNB的关键在于神经识别。借助深度学习方法，可以实现神经的自动识别或分割，从而辅助医生准确、高效地完成神经阻滞麻醉。本研究建立了一个包含320张臂丛（BP）超声图像的公开数据集。三位经验丰富的医生共同制作了BP分割的真实标签，并对臂丛神经干进行了标注。我们设计了一个基于深度学习的臂丛分割系统（BPSegSys）。在各种实验中，BPSegSys均达到了经验丰富医生水平的神经识别性能。我们采用分割实验中常用的性能指标——交并比（IoU）来评估BPSegSys的性能。考虑到我们建立的公开数据集中的三个数据集组，BPSegSys的IoU分别为0.5238、0.4715和0.5029，超过了经验丰富医生的IoU值0.5205、0.4704和0.4979。此外，我们证明BPSegSys可以帮助医生更准确地识别臂丛神经干，IoU提升高达27%，具有显著的临床应用价值。
引用
@article{arxiv.2205.08143,
title = {Brachial Plexus Nerve Trunk Segmentation Using Deep Learning: A Comparative Study with Doctors' Manual Segmentation},
author = {Yu Wang and Binbin Zhu and Lingsi Kong and Jianlin Wang and Bin Gao and Jianhua Wang and Dingcheng Tian and Yudong Yao},
journal= {arXiv preprint arXiv:2205.08143},
year = {2024}
}
备注
9 pages