基于深度学习的腰椎间盘突出症辅助诊断

摘要

针对腰椎骨结构复杂智能辅助诊断难的问题，提出一种基于深度学习的计算机辅助诊断方法框架，对腰椎间盘突出症（LDH）进行辅助诊断。首先，在U-Net的编码和解码过程中加入Resblock模块且保留U-Net的跳跃连接，以增强目标区域特征传递、减少特征丢失并加快模型收敛速度。其次，通过最小包络矩形法定位椎骨中心，根据定位在椎骨矢状面原图上裁剪合适大小的ROI，实现全自动ROI获取。最后，在Xception网络中使用平均池化代替Flatten操作，添加BN层、Droupout层和动态学习率提升模型的速度和精确度。针对上海某医院腰椎间盘突出症的MRI病例，通过分类模型评价标准评估训练后发现，所提框架诊断准确率ACC为94.46%，特异性SPE为94.60%，灵敏性SEN为97.09%，精确率PRE为94.32%，相较于以往研究均有提升，对推动计算机智能辅助诊断在临床上的应用具有重要意义。

关键词

深度学习; U-Net; 腰椎间盘突出症诊断;