Page 22 - 《中国医疗器械杂志》2026年第1期
P. 22

Chinese Journal of Medical Instrumentation                                         2026年 第50卷 第1期

                                                     医  学  人   工  智  能



              算式为:                                               2    结果

                                    2×|X ∩Y|
                              DSC =                       (1)       图3展示了3种DL模型及Atlas在两个年龄组中
                                     |X|+|Y|
                  DSC值越接近1,表示预测结果与真实结果越                         的目标亚结构自动勾画DSC结果。Wilcoxon符号
              相似,分割效果越好。DSC值越接近0,表示两者                           秩检验结果显示,在≤5岁组中,FuseNet、nnU-
              差异越大,分割效果越差。                                      Net和 U-Net的 DSC均 显 著 高 于 Atlas( P<0.001、
                  95%的豪斯多夫距离(Hausdorff distance 95%,            P<0.001和P=0.003)。在>5岁组中,三者的DSC也
              HD95)用于测量空间中两个体积(预测和参考)间                          显著优于Atlas(均P<0.001)。DL模型两两比较显
              的表面距离,是最大距离的95%的量化值。它衡量了                          示,FuseNet和nnU-Net在两组中的DSC均显著高于
              分割结果的边界与真实边界之间的差异。计算式为:                           U-Net: ≤5岁 组 ( FuseNet  P<0.001、 nnU-Net
                                                                P<0.001) ; >5岁 组 ( FuseNet  P=0.008、 nnU-Net
                       HD95 = max k95% [d(X,Y),d(Y,X)]    (2)
                                                                P=0.005) 。 FuseNet和 nnU-Net在 两 组 间 的 DSC差
                  HD95值越接近0,X、Y重合度越高,分割效
                                                                异均具有统计学意义(≤5岁组:P=0.018,>5岁
              果越好。
                                                                组:P=0.026)。
                  平均对称表面距离(average symmetric surface
                                                                    FuseNet在两组脑目标亚结构整体分割性能
              distance, ASSD)用于衡量整体分割表面偏差的平
                                                                均 显 著 优 于 Atlas、 U-Net  和 nnU-Net( ≤5岁 组 :
              均水平,计算预测分割和真实分割表面之间所有点
                                                                P=0.001、P=0.003、P=0.002,>5岁组:P<0.001、
              的双向平均距离。
                                                                P<0.001、P=0.001)。在椎骨亚结构中,FuseNet
                                                    
                              1   ∑         ∑                在两组中DSC均显著优于Atlas和U-Net(≤5岁组:
                                  
                    ASSD =             d(a,B)+  d(b,A)     (3)
                            |A|+|B|                           P=0.028、P=0.005 ,>5岁组:P=0.005、P=0.005),
                                   a∈A       b∈B
              其中:A、B分别代表参考表面和预测表面的点                             但 与 nnU-Net相 比 均 无 统 计 学 差 异 ( P=0.107和
              集。|A|、|B|分别是点集A、B中的点数量。d(a, B)表                   P=0.236)。此外,U-Net与Atlas的分割性能在两组
              示点a到点集B的最短欧氏距离,d(b, A)同理。                         中存在差异:≤5岁组无统计学差异(P=0.674),
                  ASSD值越小,分割表面之间的平均误差越小,                        而>5岁组差异显著(P=0.005)。
              表示两个表面越接近;ASSD值越大,则越远。

                                                                              Atlas  U-Net  nnU-Net  FuseNet
                  相对绝对体积差异(relative absolute volume
                                                                      1.0
              difference, RAVD)用于衡量预测体积          V seg 与参考体           0.9
                                                                      0.8
              积 V gt 之间非重叠部分的相对系数,直接反映了分                              0.7
              割结果的体积差异。其计算式为:                                        DSC  0.6
                                                                      0.5
                                                                    0.4

                                     V seg −V gt                    0.3
                           RAVD =      (       )          (4)         0.2
                                  0.5× V seg +V gt                    0.1
                                                                       0
                                                                                  左侧海马
                                                                           左侧海马头部
                                                                                     右侧海马体尾部
                  RAVD值越接近0,预测体积与参考体积之间
              的差异越小,分割结果越准确。                                           小脑前叶 小脑后叶 右侧海马头部 左侧海马体尾部  右侧海马 幕下小脑 幕上大脑 左侧颞叶 右侧颞叶
               1.7    统计分析
                  以手动勾画为基准,计算3种DL模型(U-Net、                                        (a) ≤5岁组脑亚结构DSC
                                                                            (a)  ≤5 years old group brain substructures DSC
              nnU-Net、FuseNet)和Atlas自动勾画两组脑及椎骨
                                                                      1.0
              亚结构的DSC,使用HD95、ASSD、RAVD等几何                             0.9
                                                                      0.8
              指标评估nnU-Net和FuseNet模型分割质量。记录不                           0.7
                                                                      0.6
              同DL模型和Atlas在完成自动勾画外部验证例后所                              DSC  0.5
              需的人工修正时间。                                               0.4
                                                                      0.3
                  使用Wilcoxon符号秩检验,分别比较3种DL模                           0.2
                                                                      0.1
              型和Atlas的自动分割与手动勾画真值差异。使用                                 0
                                                                           左侧海马头部
                                                                                     右侧海马体尾部
                                                                                  左侧海马
              独立样本t检验统计模型自动勾画后人工修正的时                                   小脑前叶 小脑后叶 右侧海马头部 左侧海马体尾部  右侧海马 幕下小脑 幕上大脑 左侧颞叶 右侧颞叶
              间效率差异。采用SPSS 26.0软件(IBM, Armonk,
              NY)进行全部的统计分析。当P<0.05时,认为差                                           (b) >5岁组脑亚结构DSC
              异具有统计学意义。                                                     (b) >5 years old group brain substructures DSC
                                                             18



                                                                       颈椎椎体 腰椎椎体 胸椎椎体  左侧腰椎椎弓  右侧颈椎椎弓  右侧胸椎椎弓
                                                                                       左侧胸椎椎弓
                                                                                左侧颈椎椎弓
                                                                                               右侧腰椎椎弓
                                                                                   ≤ 岁组椎骨亚结构
                                                                             ≤








                                                                       颈椎椎体 腰椎椎体 胸椎椎体  左侧腰椎椎弓  右侧颈椎椎弓  右侧胸椎椎弓
                                                                                 左侧颈椎椎弓
                                                                                                右侧腰椎椎弓
                                                                                        左侧胸椎椎弓
                                                                                     岁组椎骨亚结构
   17   18   19   20   21   22   23   24   25   26   27