Page 24 - 《中国医疗器械杂志》2026年第1期

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

医 学 人 工 智 能

565.20±94.22、 386.80±64.20） s 。 在 >5岁 组 中 ， CT MR融合 横断面 冠状面 矢状面
对应亚结构的人工修正平均耗时分别为：脑亚
(a)
结构（576.70±94.35、327.60±35.89、474.30±61.62、
290.10±44.60） s， 椎 骨 亚 结 构 （ 770.30±304.60、
897.30±59.32、 615.10±112.59、 413.20±64.92） s。
(b)
在≤5岁组中，FuseNet人工修正效率显著优于其他
模型（均P<0.001），但在>5岁组脑亚结构中，其
与U-Net修正耗时无统计学差异（P>0.05）。
(c)
nnU-Net≤5岁 nnU-Net>5岁 FuseNet≤5岁 FuseNet>5岁

60.0
50.0
RAVD (%) 40.0 (d)
30.0
20.0
10.0
0
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 (e)
左侧海马头部
左侧海马
右侧海马体尾部

(a) 两个年龄组nnU-Net和FuseNet脑亚结构RAVD值
(a) Two age groups' RAVD values of brain substructures segmented (f)
by nnU-Net and FuseNet
25.0
20.0 (g)
RAVD (%) 15.0
10.0
5.0 (a) 小脑前叶；(b) 小脑后叶；(c) 左侧/右侧海马头部；(d) 左侧/右侧海
0 马体尾部；(e) 幕下小脑；(f) 幕上大脑；(g) 左侧/右侧颞叶
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 anterior hippocampus; (d) Left/right posterior hippocampus; (e) Subtentorial
右侧腰椎椎弓
左侧颈椎椎弓
左侧胸椎椎弓
(a) Anterior cerebellar lobe; (b) Posterior cerebellar lobe; (c) Left/right
brain; (f) Supratentorial brain; (g) Left/right temporal lobe
图7 同一例中脑亚结构不同模型自动分割后结果对比
(b) 两个年龄组nnU-Net和FuseNet椎骨亚结构RAVD值 Fig.7 Comparative analysis of automated segmentation results from
(b) Two age groups' RAVD values of vertebral substructures segmented different models for a brain substructure in the same case
by nnU-Net and FuseNet
CT 横断面 冠状面 矢状面
注：误差线表示±1SD。
图6 两个年龄组nnU-Net和FuseNet模型脑/椎骨亚结构自动
分割RAVD值比较 C
Fig.6 Comparison of RAVD values in automated segmentation of
brain/vertebral substructures between two age groups using nnU-Net
and FuseNet models

图7和图8展示了同一验证例在两种数据模态 T
CT/MRI融合影像和CT单模态影像）下，采用手
（
工基准勾画与4种分割模型（Atlas、U-Net、nnU-
Net、FuseNet）对脑及椎骨亚结构的分割结果，并
通过多平面（横断面、冠状面、矢状面）可视化对 L
比不同分割方法的一致性。其中红色区域为手工分
割结果（金标准），橙色区域表示基于图谱配准的
分割方法（Atlas），蓝色、黄色及绿色区域分别 C—颈椎；T—胸椎；L—腰椎
对应U-Net、nnU-Net及FuseNet 3种深度学习模型 图8 同一例中椎骨亚结构不同模型自动分割后结果对比
Fig.8 Comparative analysis of automated segmentation results from
的自动分割结果。 different models for a vertebral substructure in the same case

20