基于DBCNet的TOF-MRA中脑动脉树区域自动分割方法

摘要：

从脑部医学影像中划分动脉树区域是诊断和评估许多脑血管疾病的早期步骤.现有的区域分割方法多依赖人工辅助,本文中提出了一种基于双分支连通网络(dual branch connected network,DBCNet)的脑动脉树自动分区方法,可以将时间飞跃磁共振血管造影(time of flight-magnetic resonance angiography,TOF-MRA)中的动脉树分割为 6 个主要区域.DBCNet中引入了分支特征解耦模块和Swin Transformer机制的全局与局部特征融合模块,训练采用先定位后分割的两步训练策略.本研究使用了 111例TOF-MRA数据,其中 81 例作为训练集,20 例作为验证集,10 例作为测试集,模型在测试集上的平均Dice系数为 74.72%,95%豪斯多夫距离(HD95)为 3.89 mm.和其他先进分割网络相比较,该网络能更准确地分割出各个主要区域,并具有一定的鲁棒性.

关键词：脑动脉树、时间飞跃磁共振血管造影(TOF-MRA)、深度学习、分支连通网络、自动分割

所属期刊栏目：40

分类号：TP394.1(计算技术、计算机技术)

资助基金：国家自然科学基金;山东省自然基金资助项目;江苏省重点研发计划;苏州市科技计划;浙江省重点研发计划

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：320-331