基于域对齐的深度学习方法在急性缺血性卒中的CT/MRI影像分割上的应用
廖莲莲1
文戈2
胡兆霆3
1.南方医科大学南方医院影像诊断科,广东 广州 510515;南方医科大学第三附属医院健康管理中心,广东 广州 5106302.南方医科大学南方医院影像诊断科,广东 广州 5105153.南方医科大学第三附属医院健康管理中心,广东 广州 510630
摘要：目的 基于平扫CT提出一种域对齐方法来显著提高急性缺血性卒中(AIS)的早期快速诊断能力.方法 回顾性分析南方医科大学第三附属医院神经内科和神经外科2020年1月～2022年12月收治的入院后3d内同时接受平扫头颅CT和MRI/DWI、ADC以及T2-Flair序列扫描的AIS患者,构建了一个由318例AIS病例组成的成对CT/MRI影像数据集,分别对每一组配对的教师-学生影像特征进行归一化;再以8∶2的比例随机分为训练集和验证集.设计一种新的生成性对抗性网络来对齐特征层上的跨模式输入,将细节丰富的MRI图像中的语义知识传递到CT图像中进行AIS分割,开发了一种新的域适应算法(Our DA).结果 与目前性能表现较优异的医学影像分割模型nnUNet相比,Our DA明显优于nnU-Net,每一层验证集之间的分割精度提升约15%.结论 本研究构建的Our DA模型基于MRI/DWI序列的影像特征并迁移到平扫头颅CT上,对平扫头颅CT上的AIS病灶具有较高的自动分割性能,有助于早期自动识别AIS病灶.
关键词：急性缺血性卒中平扫头颅CT区域对齐深度学习自动分割nnU型网络结构
论文发表日期：2024-04-28
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：5( 386-390 )
英文信息