典型文献
基于自适应采样与Dense机制的颅内动脉瘤血管多结构分割
文献摘要：
颅内动脉瘤是一种具有较高致死和致残率的常见脑血管疾病.近年来,临床对基于影像的智能化和精准化的疾病诊断策略提出了迫切需求,其中血管及病灶的精准分割是其重要基础.本文提出了一种新型的颅内动脉瘤血管多结构分割框架,利用血管先验灰度特征建立了自适应的数据采样方法,并设计了一种基于Dense机制的深度网络模型实现血管分割.本文收集了135例颅内动脉瘤患者(年龄分布:54.7±12.7岁,75名男性)的飞行时间磁共振血管影像进行模型的训练和测试.相比于原空间采样和图像压缩方法(平均Dice相似性系数:0.829和0.780),自适应采样方法可以明显提升血管分割的精度(平均Dice相似性系数:0.858);与经典的3D UNet、SegNet和DeepLabV3+网络相比(平均Dice相似性系数:0.854,0.824和0.800),基于Dense机制的网络能够利用更少的计算资源实现更优的分割效果,对于不同位置和大小的动脉瘤也表现出良好的分割鲁棒性.
文献关键词：
颅内动脉瘤;磁共振血管造影;血管分割;深度学习;自适应采样
中图分类号：
作者姓名：
张栩阳;姚韵楚;石悦;佟鑫;梁昕语;童薪宇;刘爱华;陈端端
作者机构：
北京理工大学生命学院,北京 100081;应脉医疗科技(上海)有限公司,上海 200120;首都医科大学附属北京天坛医院神经介入中心,北京 100070;北京理工大学医学技术学院,北京 100081
文献出处：
引用格式：
[1]张栩阳;姚韵楚;石悦;佟鑫;梁昕语;童薪宇;刘爱华;陈端端-.基于自适应采样与Dense机制的颅内动脉瘤血管多结构分割)[J].数据采集与处理,2022(04):766-775
A类：
B类：
自适应采样,Dense,颅内动脉瘤,多结构,高致,致残率,脑血管疾病,疾病诊断,诊断策略,管及,用血,先验,灰度特征,数据采样,采样方法,深度网络模型,模型实现,血管分割,年龄分布,飞行时间,空间采样,和图像,图像压缩,压缩方法,Dice,相似性系数,UNet,SegNet,DeepLabV3+,计算资源,分割效果,不同位置,磁共振血管造影
AB值：
0.325814
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
