拯救脂肪肝第一步！以飞桨3D医疗影像分割方案MedicalSeg自主诊断脂肪肝

项目背景

现在人们的日常生活方式和饮食结构发生了巨大的变化，大概就是吃好了，动少了。体内的过量的甘油三酯无法代谢，最终聚集在肝细胞内，导致人体中正常肝脏逐步变成脂肪肝。长期患有脂肪肝可能会导致肝硬化，并最终增加患慢性肝病的风险。医学影像学领域可以通过CT或者B超技术来判断患者是否患有脂肪肝，其中CT的脂肪肝检出比例高于B超，其用于诊断脂肪肝时准确率更高、特异性更强。在CT检查中，主要是通过计算肝脏与脾脏的CT值的比值来确定患者是否患有脂肪肝以及严重程度。根据中华医学会肝病学分会制定的标准，肝、脾CT比值大于1为正常肝脏，CT比值在[0.7,1.0]之间为轻度脂肪肝，[0.5,0.7]之间为中度脂肪肝，小于0.5为重度脂肪肝。

在日常工作中，放射医师需要手工选择肝脏和脾脏的最大层面，在一定范围内进行 ROI 的选取，之后计算 ROI 范围内肝脏和脾脏的CT总值以及计算两者 ROI 范围内CT总值的比值，从而确定患者是否患有脂肪肝。这个过程需要投入较多的工作量。

目前，深度学习技术中的语义分割正被广泛应用于医学领域。该技术可以通过训练模型来预测出影像中的不同组织类型的精确边界、位置和区域，在腹部CT上自动获得肝脏和脾脏的分割结果，对肝脏和脾脏多次随机取出一定体积的立方体来计算CT总值的比值，从而评估被检测者是否有脂肪肝以及脂肪肝的严重程度。这种方式减轻医生的工作强度，也避免人为的主观性带来的偏差。

如下图展示人工测量和基于语义分割自动测量之间的优劣。

关注 AI Studio 项目和我一起讨论️

• 项目链接‍‍

https://aistudio.baidu.com/aistudio/projectdetail/5574909

医学临床上进行诊断时会人为选择CT平扫肝、脾显示最大层面，各选取边长为1.0cm以上的正方形 ROI 对肝、脾取CT值。本项目为了降低随机选取 ROI 时可能纳入肝内血管和伪影部分，影响计算肝脾比值结果的真实性，提出如下解决方法：1.增加随机取出立方体 ROI 的个数；2.两两配对，增加肝脾比值的样本。

自动分割与评估脂肪肝操作步骤

环境版本要求

‍

数据集介绍

用医疗软件 itk-snap 软件读取原始数据和对应分割标签，展示效果如下图：

VNet 模型和医疗分割套件 MedicalSeg

相对于二维语义分割，三维语义分割利用体素的三维结构信息来分割医学影像，具有更强的抓取空间信息的能力。因为三维分割利用了周围邻近切片及沿着z轴的轴向信息，具有更好的上下文信息，进一步提高了模型的泛化能力。此外，三维语义分割相较二维语义分割也有利于消除噪声和伪影的影响。当前使