基于深度学习的自动脑血管细分和视觉化内飞行时间磁共振血管学,基于深度学习

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 神经科学是一个神经科学.

背景情况:

• 飞行时间磁共振血管造影 (TOF-MRA) 对于可视化神经血管系统至关重要.
• 对TOF-MRA的手动体积染 (VR) 对放射科医生来说是耗时且劳动密集的.
• 深度学习 (DL) 提供了在TOF-MRA中自动化船舶细分的潜力.

研究的目的:

• 在TOF-MRA中评估基于DL的血管细分的图像质量,用于自动化内动脉采集.
• 将拟议的DL方法的性能与外部数据集上的最新技术进行比较.
• 评估自动化细分与手动VR的诊断和可视化功能.

主要方法:

• 分析了394个TOF-MRA扫描 (脑血管健康,动脉瘤,狭窄症).
• 一个拟议的卷积神经网络 (CNN) 和另外两种DL方法被评估为一般化.
• 经验丰富的放射科医生对图像质量 (0-5级) 进行了定性评估,并将手动VR与CNN细分进行了比较.

主要成果:

• 拟议的CNN在外部数据集上取得了卓越的临床评分,可视化与手动重建相比较.
• 在CNN细分和手动VR之间观察到很高的一致性 (中位数5.0) 对于健康的内动脉.
• 定量分析显示大脑血管重叠很高 (迪斯相似系数0.947培训,0.927验证).

结论:

• 在TOF-MRA中使用DL进行自动脑血管细分是可行的.
• 基于DL的细分的图像质量在容器完整性,附带循环和病变形态方面与专家手册VR相美.
• 基于DL的细分为神经血管成像提供了足够的诊断质量和高效的工作流程自动化.