CNN-Res:深度学习框架,用于对多式共振磁共振成像上的急性缺血性中风病变进行细分
Yousef Gheibi1, Kimia Shirini1, Seyed Naser Razavi1
1Department of Software Engineering, Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, East Azerbaijan, Iran.
BMC medical informatics and decision making
|September 26, 2023
概括
这项研究介绍了CNN-Res,这是一种用于MRI扫描中自动化缺血性中风病变细分的新型深卷积神经网络. 该模型为手动细分提供了准确和高效的替代方案,有助于中风后的护理计划.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 在MRI上精确细分中风病变对于中风后的护理,诊断和治疗风险评估至关重要.
- 手动细分是耗时的,繁的,并且严重依赖神经病学家的专业知识.
- 需要自动化细分方法来提高效率和准确性.
研究的目的:
- 提出一种新型的深卷积神经网络 (CNN-Res) 来自动细分来自多式MRI的缺血性中风病变.
- 为神经病学家开发一个准确和有效的工具,以协助中风护理规划.
主要方法:
- 开发了一个U形深卷积神经网络 (CNN-Res),在编码器路径中有剩余单元.
- 使用多模式MRI数据来提取复杂的图像信息.
- 使用瓶策略来减少参数和培训时间.
主要成果:
- 在塔布里兹医学科学大学的数据集上,CNN-Res实现了平均85.43%的子系数.
- 在2015年SPES数据集中,CNN-Res获得了平均79.23%的Dice系数.
- 该模型与类似的现有方法相比,显示出具有竞争力的性能.
结论:
- 介绍了一种新的,准确的方法,CNN-Res,用于MRI医学图像细分.
- 深度卷积神经网络直接从原始输入像素预测细分图,提供了显著的进步.
更多相关视频
04:25Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies
Published on: December 15, 2023
2.5K
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.3K
