使用3DRA识别大脑动脉静脉形的自动化算法的比较研究

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 计算解剖学的计算解剖学

背景情况:

• 准确识别大脑动脉静脉形缺陷 (bAVM) 的程度对于有效的干预计划至关重要.
• 使用3D旋转血管学 (3DRA) 的计算机辅助分析为精确的治疗策略提供了潜力.

研究的目的:

• 从3DRA数据评估和对比现有的bAVM度识别方法.
• 建立一个统一的框架,用于自动比较这些识别算法.

主要方法:

• 从22名bAVMs患者的对比增强3DRA扫描的回顾性收集.
• 使用深度学习网络的自动脑血管细分.
• 与使用重叠测量的手动划分相比,应用和评估度范围识别算法.

主要成果:

• 性能最好的算法实现了 [公式:见文本] 和 [公式:见文本] 的子系数值.
• 与基于骨架的方法相比,基于数学形态学的方法在针对病例间变异性方面表现出更大的稳定性.
• 基于骨的方法对解剖学变异和所选择的骨化技术表现出敏感性.

结论:

• 目前用于bAVM nidus范围识别的算法受到原始数据质量和船舶细分不准确的限制.
• 现有的自动化方法的性能仍然低于最佳,突出了需要改进的领域.
• 这项比较分析提供了对当前bAVM体识别技术的局限性的洞察.