top of page
研究動機
隨著現代生活方式的改變，背痛發生率不斷上升，嚴重影響患者生活品質。椎間盤退化是導致背痛的主要原因之一，常伴隨椎間盤突出、坐骨神經痛等症狀。MRI已成為檢查椎間盤異常的主要工具，但傳統診斷方法依賴醫生經驗，效率低且準確度不高。因此，開發準確且高效的自動化椎間盤分割系統成為醫學影像處理領域的重要需求。
研究流程
本研究使用公開資料集進行訓練，先將原本完整的 MRI 與 Mask 影像擷取出欲訓練的特徵範圍後存成新的訓練資料集，並將該資料集依照 7:1.5:1.5 的比例劃分，對訓練和驗證集資料作預處理。資料準備完成後，基於 PyTorch 框架構建模型，選擇 U-Net 深度學習架構，並利用訓練集進行訓練，使用驗證集進行參數調整和選擇最佳模型，最後用測試集評估模型的泛化能力與分割準確度。
bottom of page