文章详情

摘要

膝关节前交叉韧带（ACL）损伤的精准影像评估对临床诊疗至关重要。针对ACL解剖结构细长、体积微小且背景组织复杂，导致传统深度学习模型难以兼顾全局依赖与局部细节的问题，本研究提出了一种基于SwinUNet-FPN的自动分割模型。该模型以纯Transformer架构的Swin-UNet为骨干，利用移动窗口自注意力机制提取全局特征，并引入特征金字塔网络（FPN）模块，通过横向连接融合深层语义与浅层细节信息。在KneeMRI数据集上的实验结果表明，该模型在Dice相似系数（DSC）和95%豪斯多夫距离（HD95）上分别达到0.812 7和18.234 5，显著优于U-Net、ResUNet及原始Swin-UNet模型。结果证实该方法能有效克服复杂背景下的分割难题，提升边缘识别精度，具有重要的临床辅助价值。

关键词

前交叉韧带；MRI图像分割；SwinUnet；特征金字塔网络（FPN）；深度学习

参考文献

1. [1] Chia L，De O S D，Whalan M，et al. Non-Contact Anterior Cruciate Ligament Injury Epidemiology in Team-Ball Sports: A Systematic Review With Meta-Analysis by Sex, Age, Sport, Participation Level, and Exposure Type [J].Sports Medicine (Auckland，N.Z.)，2022，52（10）：2447-2467.
2. [2] 王勇，余泽平，李箭，等.初次前交叉韧带重建术后发生对侧前交叉韧带损伤危险因素分析 [J].中国修复重建外科杂志，2023，37（5）：578-583.
3. [3] Templeton K. Musculoskeletal Disorders: Sex and Gender Evidence in Anterior Cruciate Ligament Injuries, Osteoarthritis, and Osteoporosis [M]//Jenkins M, Newman C B. How Sex and Gender Impact Clinical Practice: An Evidence-Based Guide to Patient Care，2021：207-227.
4. [4] Zhao M G，Zhou Y，Chang J R，et al. The Accuracy of MRI in the Diagnosis of Anterior Cruciate Ligament Injury [J/OL].Annals of Translational Medicine，2020，8（24）：1657.https://atm.amegroups.org/article/view/58843/html.
5. [5] Almajalid R，Zhang M，Shan J. Fully Automatic Knee Bone Detection and Segmentation on Three-Dimensional MRI [J].Diagnostics，2022，12（1）：123.https://doi.org/10.3390/diagnostics12010123.
6. [6] Yusuke M，Ryuichiro A，Satoshi M，et al. Automated Detection of Anterior Cruciate Ligament Tears Using a Deep Convolutional Neural Network [J/OL].BMC Musculoskeletal Disorders，2022，23（1）：577.https://link.springer.com/article/10.1186/s12891-022-05524-1.
7. [7] Long J，Shelhamer E，Darrell T. Fully Convolutional Networks for Semantic Segmentation [C]//IEEE Conference on Computer Vision and Pattern Recognition，2015：3431-3440.
8. [8] Milletari F，Navab N，Ahmadi S A. V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation [C]//2016 Fourth International Conference on 3D Vision (3DV)，2016：565-571.
9. [9] Ronneberger O，Fischer P，Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation [C]//Medical Image Computing and Computer-Assisted Intervention–MICCAI 2015，2015：234-241.
10. [10] Flannery S W， Kiapour A M， Edgar D J，et al. Automated Magnetic Resonance Image Segmentation of the Anterior Cruciate Ligament [J].Journal of Orthopaedic Research：Official Publication of the Orthopaedic Research Society，2020，39（4）：1-10.
11. [11] Awan M J，Rahim M S M，Salim N，et al. Automated Knee MR Images Segmentation of Anterior Cruciate Ligament Tears [J/OL].Sensors，2022，22（4）：1552.https://doi.org/10.3390/s22041552.
12. [12] Dung N T，Thuan N H，Dung T V，et al. End-to-End Deep Learning Model for Segmentation and Severity Staging of Anterior Cruciate Ligament Injuries From MRI [J].Diagnostic and Interventional Imaging，2023，104（3）：133-141.
13. [13] Zhang Z，Liu Q，Wang Y. Road Extraction by Deep Residual U-Net [J].IEEE Geoscience and Remote Sensing Letters，2018，15：749-753.
14. [14] Chen J N，Mei J R，Li X H，et al. TransUNet: Rethinking the U-Net Architecture Design for Medical Image Segmentation Through the Lens of Transformers [J/OL].Medical Image Analysis，2024，97：103280.https://doi.org/10.1016/j.media.2024.103280.
15. [15] Cao H U，Wang Y Y，Chen J，et al. Swin-UNet: UNET-Like Pure Transformer for Medical Image Segmentation [C]//European Conference on Computer Vision，2022：205-218.

基金项目

广西高等教育本科教学改革工程项目（2023JGZ115）；广西重点研发计划项目（桂科AB25069086）

作者简介

陆振展（2001—），男，壮族，广西河池人，硕士研究生，研究方向：医学图像分割、医学人工智能；任文宁（1999—），男，汉族，广西南宁人，硕士研究生，研究方向：深度学习算法、医学信息学；通信作者：何慧敏（1973—），女，汉族，湖南汨罗人，教授，博士研究生，研究方向：医学信息管理、医学人工智能。