基于深度学习算法对颅内动脉瘤进行自动检测和分割

摘要：

目的 应用深度学习算法自动检测和分割CTA图像中的颅内动脉瘤.方法 搜集行头颅CTA检查的颅内动脉瘤患者原始CTA图像.对原始CTA图像进行预处理后,输入到U-net神经网络进行检测和分割.以人工标记为参考标准.结果 在测试集中,直径＞4 mm的动脉瘤,敏感度为92.0％,Dice中位数为0.82;直径＞5 mm的动脉瘤,敏感度为93.1％,Dice中位数为0.84;直径＞6 mm的动脉瘤,敏感度为95.5％,Dice中位数为0.87.与人工标记结果具有高度一致性.结论 深度学习算法可以自动检测和分割直径＞4 mm的动脉瘤,不仅可以节省人力和时间成本,在一定程度上为动脉瘤破裂造成蛛网膜下腔出血的预防及颅内动脉瘤治疗的选择提供参考依据.

关键词：颅内动脉瘤、蛛网膜下腔出血、CT血管造影、深度学习

所属期刊栏目：42

分类号：R743.35;TP391.41;R651.1

在线出版日期：2023-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：14-19