用于骨组织与金属植入物交互的医学图像分割算法开发

本初步研究聚焦于开发一种基于人工智能的医学图像分割算法，用于计算与金属植入物接触的骨生长。整个工作使用了两个由计算机微断层扫描图像组成的数据库：100 张图像用于训练，196 张图像用于测试。在训练数据集中，骨组织和植入物组织均经过手动分割。所构建的网络类型遵循 U-Net 架构，这是一种明确用于医学图像分割的卷积神经网络。在网络精度方面，模型达到了约 98%。一旦从新数据集（测试集）获得预测，便计算属于骨组织的总像素数。该体积约为常规技术所估计体积的 15%，而常规技术通常会被高估。该方法已显示出良好的性能和结果，尽管仍有很大的改进空间，可通过修改网络的各种参数或使用更大的数据库来改善训练。