动脉瘤性颅内出血的自动检测和血肿分割方法
周海柱1
张东1
胡平2
祝新根2
1.武汉大学物理科学与技术学院,湖北 武汉 4300722.南昌大学第二附属医院神经外科,江西 南昌330006
摘要：目的 提出一种端到端的颅内动脉瘤破裂引起的颅内出血多类型血肿全自动分割方法.方法 选择颅内动脉瘤破裂引起的颅内出血644例CT影像数据,按8:2的比例分为训练集和测试集.首先通过区域生长的方式获取脑组织区域,然后利用深度学习对出血区域进行多类型血肿分割.结果 测试集上的结果表明,蛛网膜下腔出血、脑实质出血、脑室内出血和颅内出血的Dice系数分别为62.13％、68.64％、50.08％、71.10％.结论 本文提出的分割网络可以有效地对颅内动脉瘤破裂引起的颅内出血完成多类型血肿分割,配合脑组织提取算法可以在未处理的临床数据上自动完成端到端的处理流程.该方法有效提升颅内动脉瘤破裂引起的颅内出血的诊治效率,有较好的临床应用价值.
关键词：多类型血肿分割深度学习颅内动脉瘤颅内出血特征融合
资助基金：国家自然科学基金(82172989)江西省重点研发计划项目(20212BBG71012)
论文发表日期：2023-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 389-397 )
英文信息