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。