换一批摘要泌尿系结石的传统人工识别方法效率低且易受医生主观影响,存在一定的误差,从而影响诊断的准确性和治疗的及时性.本研究提出了一种基于U-Net网络的深度学习方法,用于自动识别泌尿系结石并测量其大小.通过U-Net模型对结石计算机断层扫描(CT)影像进行分割,实现了结石区域的自动识别,并通过最小二乘法模型测量结石的大小.研究结果表明,U-Net模型在分割方面表现出较高的精度,平均交并比(IoU)达到84.39%,平均Dice系数为90.8%,能准确识别和定位结石.基于最小二乘法的大小测量模型也证明了其在结石面积测量中的有效性.本研究通过对结石位置的精确分割和自动测量,为泌尿系结石的诊断提供了可靠的技术手段,辅助临床医生做出更好的决策.
更多相关知识
栏目名称
DOI
10.16458/j.cnki.1007-0893.2025.11.005
发布时间
2025-09-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
图木舒克市财政科技计划项目（KY2024PT05）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
