1 论文标题：基于DCNN的椎体分割与骨密度计算方法研究

2 作者信息：毛晓晖：衢州市中医医院医务部，浙江 衢州

3 出处和链接：毛晓晖. 基于DCNN的椎体分割与骨密度计算方法研究[J]. 软件工程与应用, 2025, 14(5): 974-984. https://doi.org/10.12677/sea.2025.145087

4 摘要：本研究旨在探讨深度学习在原发性骨质疏松症患者中的应用。通过采用基于深度卷积神经网络(DCNN)的全自动方法，实现椎体分割和CT图像中的骨密度(BMD)计算。采用588例患者作为训练数据，以及863例患者作为测试数据。首先使用U-Net全卷积神经网络对椎体进行自动分割，并以手动勾画的椎体区域作为对照。其次采用DenseNet-121卷积神经网络对BMD进行计算，并与定量CT (QCT)的标准值进行比较。测试集分为三组：测试集1 (463例)、测试集2 (200例)和测试集3 (200例)。实验结果显示自动分割结果与手动分割结果高度相关，三个测试集的Dice系数分别可达0.823、0.786和0.782。不同供应商的测试集显示，自动计算的平均BMD值与QCT结果高度相关(相关系数r > 0.98)。最终研究结论表明，基于深度学习的方法能够实现CT图像中骨质疏松症、骨量减少和正常骨密度的全自动识别，具有良好的精确度和一致性。