换一批基于深度学习的前路坐骨神经超声图像分割
Deep learning-based segmentation of anterior approach sciatic nerve ultrasound images
摘要目的 构建一套超声影像数据集,建立基于深度学习的超声图像识别系统,用以探索前入路区域坐骨神经阻滞区域的识别方法.方法 通过超声采集前路坐骨神经图像,借助ITK-SNAP软件手动标记,建立数据集.采用PyTorch深度学习框架进行训练数据及感兴趣区域分割输出,以平均交并比、平均骰子相似系数作为评价指标评估模型的性能.结果 以获得的3 000张标记超声图像作为数据集,其中,训练集1 800张,验证集600张,测试集600张.测试集坐骨神经的平均交并比为0.675,平均骰子相似系数为0.775,模型平均F1分数为0.718,中位数为0.720.经5折交叉验证,坐骨神经的平均交并比中位数为0.805.结论 基于深度学习模型,在自动识别前入路区域坐骨神经解剖结构时获得了良好效果,可实现局麻药在神经旁间隙的安全、精准注射,具有良好的临床应用价值.
更多相关知识
关键词
深度学习前路坐骨神经超声图像识别三元注意力网络自动分割神经阻滞deep learninganterior sciatic nerveultrasoundimage recognitiontriplet attention netauto-matic segmentationnerve block anesthesia
分类号
R445.2（诊断学）
栏目名称
DOI
10.13885/j.issn.2097-681X.M20251889
发布时间
2026-04-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览2
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
