基于 MRI 数据的腰椎盘分割技术综合研究

Serkan Salturk; Irem Sayin; Ibrahim Cem Balci; Taha Emre Pamukcu; Zafer Soydan; Huseyin Uvet

基于 MRI 数据的腰椎盘分割技术综合研究

图像与视频处理 2024-12-30 v1 人工智能计算机视觉与模式识别

作者: Serkan Salturk , Irem Sayin , Ibrahim Cem Balci , Taha Emre Pamukcu , Zafer Soydan , Huseyin Uvet

摘要

腰椎盘分割对于通过医学成像实现对盘边界的精确检测，对于诊断和治疗脊柱疾病至关重要。深度学习的出现导致许多分割方法得以开发，提供不同的准确度和有效性。本研究评估了包括ResUnext、Ef3 Net、UNet和TransUNet在内的几种先进深度学习架构的有效性，突出显示关键指标如像素准确度、平均交并比 (Mean IoU) 和 Dice 系数。研究结果表明，ResUnext 实现了最高的分割准确度，像素准确度为0.9492，Dice 系数为0.8425，TransUNet紧随其后。过滤技术在大多数模型中略有提升，特别是Dense UNet，提高了稳定性和分割质量。这些发现凸显了这些模型在腰椎盘分割中的有效性，并指出了潜在的改进领域。

关键词

腰椎盘分割深度学习 ResUnext Dice 系数医学成像

引用

@article{arxiv.2412.18894,
  title  = {Comprehensive Study on Lumbar Disc Segmentation Techniques Using MRI Data},
  author = {Serkan Salturk and Irem Sayin and Ibrahim Cem Balci and Taha Emre Pamukcu and Zafer Soydan and Huseyin Uvet},
  journal= {arXiv preprint arXiv:2412.18894},
  year   = {2024}
}

备注

8 pages, 2 figures

基于 MRI 数据的腰椎盘分割技术综合研究

摘要

关键词

引用

备注

相关论文