膝关节三维磁共振影像语义分割的可行性研究

MR三维图像的全膝自动分割对膝骨关节炎疾病的诊断、指导和治疗具有重要意义。然而,膝关节的三维MR图像中涉及多种多样的解剖结构,人工勾画费时耗力;全膝自动分割不但节省人力,且可以通过更准确的细节勾画来提高关节炎的诊疗质量。现有的膝关节分割方法只关注众多解剖结构中的一个或几个结构,无法提供全膝分割的结果。本文研究基于三维神经网络的全膝分割方法,并致力于应对以下挑战:①在三维 MR图像上对包括骨骼和软组织在内的全膝15个解剖结构进行端到端分割;②前交叉韧带等小结构的鲁棒分割,前交叉韧带仅占全膝体积的0.036％ 左右。在基于脂肪抑制三维各向同性中等权重VISTA序列的膝关节MR图像上,验证本文方法的平均分割精度为92.92％,其中9种结构的Dice相似系数在94％ 以上,5种结构在87％～90％ 之间,剩余1种结构在76％ 左右。