目的：探讨图像分割算法在创伤患者胸腹部出血超声FAST的自动定位和辅助诊断的方法与效果，为创伤超声FAST诊断提供辅助决策支持。方法：收集创伤患者胸腹部超声图像，由超声科医生手工标注出血区域，以此作为掩码进行深度学习训练。然后将所有超声图像随机分为训练组和测试组，在训练组上训练分割模型，采用UNet、UNet++、ResUNet、DenseUNet、Rolling UNet和CIMD 六种分割模型进行性能比较。结果：胸部测试组UNet、UNet++、ResUNet、DenseUNet、Rolling UNet和CIMD 6种测试方法的Dice系数分别为0.795、0.797、0.795、0.781和0.817；IOU指标分别为0.618、0.627、0.641、0.659、0.795和0.807；腹部测试组6种测试方法Dice系数分别为0.587、0.594、0.573、0.581、0.651和0.751；IOU指标分别为0.411、0.428、0.413、0.436、0.585和0.702，CIMD方法性能高于其他五种方法。结论：CIMD方法是更有效的基于图像分割法的胸腹部出血超声FAST检测方法，其中在胸部FAST的检测结果要优于腹部.

田思佳1 杨忠诚2 牛升梅1 张克云2 张进军1. 基于图像分割法的胸腹部创伤超声FAST应用研究[J]. 中华急诊医学杂志, 2025,34(10): 1466-1469.
DOI号:10.3760/cma.j.cn114656-20250325-00232

基金项目：国家重点研发计划（2022YFC3006201）
伦理审批号：北京急救中心伦理委员会（2024-09-003）

关键词：