从二维截面视图估计脾脏体积的深度学习框架

脾脏异常肿大（脾大）被视为一系列疾病（包括肝病、癌症和血液病）的临床指标。虽然从超声图像测量的脾脏长度是常用的脾脏大小替代指标，但脾脏体积仍是评估脾大及相关临床病症严重程度的金标准指标。计算机断层扫描是测量脾脏体积的主要成像方式，但在脾大高发地区（如全球南方）其可及性较低。我们的目标是从二维截面分割中实现自动脾脏体积测量，这类分割可由超声成像获得。在本研究中，我们描述了一种基于变分自编码器的框架，用于从单视图或双视图二维脾脏分割中测量脾脏体积。我们在此框架内提出并评估了三种体积估计方法。我们还展示了如何生成体积估计的 95% 置信区间，以使我们的方法更具临床实用性。我们的最佳模型在单视图和双视图分割上分别实现了 86.62% 和 92.58% 的平均相对体积精度，超越了使用人工测量的线性回归临床标准方法以及一种基于深度学习的比较性 2D-3D 重建方法。所提出的脾脏体积估计框架可集成到当前使用二维超声图像测量脾脏长度的常规临床工作流中。据我们所知，这是首项从二维脾脏分割实现直接三维脾脏体积估计的工作。