论著-腹部
基于深度学习的PAS胎盘体积测量研究
作者：黄竹媛1 李楠楠2 张玉恩3 刘 伟3 闫 锐1,*
所属单位：1.西北妇女儿童医院医学影像中心(陕西 西安 710061) 2.西安医学院研究生工作部(陕西 西安 710021) 3.西安邮电大学计算机学院 (陕西 西安 710121)
PDF摘要
【摘要】目的 基于胎盘MRI图像，构建Trans-UNet深度学习胎盘自动分割模型，自动测量胎盘体积，并与公式法比较，为提高胎盘植入性疾病(placenta
accreta spectrum disorders, PAS)的诊断效能提供可定量参考指标。方法 回顾性收集230例于本院行胎盘MRI检查的孕妇的影像学资料，建立Trans-UNet深度学习模型自动分割胎盘并测量胎盘体积。以3Dslicer软件测量的胎盘体积为金标准，比较公式法、3Dslicer、胎盘自动分割计算机测量的胎盘体积的准确性。结果 Trans-UNet深度学习模型的IoU值为0.755，Dice系数为0.858。公式法与3Dslicer以及胎盘自动分割计算机测量的胎盘体积有统计学差异，一致性均较差(ICC值为0.232、0.186)；胎盘自动分割计算机测量与3Dslicer测量的胎盘体积无统计学差异，一致性极好(ICC值为0.915)。结论 本研究建立的Trans-UNet深度学习模型可用于胎盘自动分割，且测量的胎盘体积快速高效、准确性高，为实现胎盘体积自动测量奠定基础。
【关键词】深度学习；自动分割；胎盘体积；胎盘植入性疾病
【中图分类号】R714.56+2
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2026.01.039
中国CT和MRI杂志
第24卷， 第 1 期
2026年03月
相关文章
编辑部邮箱：（1）中国CT和MRI杂志：ctmri@vip.163.com；（2）罕少疾病杂志：hs1999@vip.163.com
联系电话：0755-83695203
公司地址： 深圳市龙岗区坂田街道坂田社区吉华路489号乐荟科创中心13栋G层12房
简体中文
English
个人中心
微信公众号
头条号