一种基于CNN的高效方法,用于从计算机断层扫描成像中对内出血进行细分
Quoc Tuan Hoang1, Xuan Hien Pham2, Xuan Thang Trinh1
1Faculty of Mechanical Engineering, Hung Yen University of Technology and Education, 39Rd., Hung Yen 160000, Vietnam.
Journal of imaging
|April 26, 2024
概括
这项研究引入了一种改进的计算机辅助诊断方法,用于在CT扫描中检测内出血 (ICH). 新技术增强了病变的局部化和细分,有助于更快,更准确地诊断创伤性脑损伤.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 神经外科 神经外科
背景情况:
- 由创伤性脑损伤 (TBI) 引起的内出血 (ICH) 是一种关键的医疗紧急情况,需要及时诊断.
- 目前的诊断依赖于计算机断层扫描 (CT) 扫描的专家解释,这些扫描可能会受到人类错误的影响.
- 计算机辅助诊断 (CAD) 系统有可能提高检测ICH的准确性和效率.
研究的目的:
- 开发和验证一种用于CT扫描中增强ICH病变局部化和细分的新方法.
- 提高计算机辅助诊断的准确性和可靠性,用于创伤性脑损伤相关的内出血.
- 利用数据增强和深度学习来更好地检测ICH.
主要方法:
- 基于U-Net的细分网络被用于损伤细分.
- 通过各种数据增强技术生成的多个增强图像被利用.
- 剩余连接被整合到U-Net架构中,以提高培训效率.
主要成果:
- 拟议的方法在ICH细分方面实现了0.807 ± 0.03的显著交叉与欧盟 (IOU) 积分.
- 实验对82名脑损伤患者的CT扫描进行了实验.
- 使用十倍交叉验证策略,严格评估模型的性能.
结论:
- 新型数据增强和U-Net与剩余连接的方法有效地增强了ICH病变的本地化和细分.
- 这种方法有望提高TBI患者内出血的计算机辅助诊断系统的准确性.
- 这些发现表明,它是协助放射科医生和改善患者治疗结果的宝贵工具.
