在多参数磁共振成像上使用多视图级联网络对大脑和头皮血管进行完全自动化的细分
Songxiong Wu1, Zilong Huang2, Mingyu Wang2
1Radiology Department, Shenzhen University General Hospital and Shenzhen University Clinical Medical Academy, Shenzhen, 518055, China; Medical AI Lab, School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University, Shenzhen, 518060, China.
Computer methods and programs in biomedicine
|January 6, 2025
概括
一个新的深度学习网络准确地划分大脑和头皮血管,改善神经外科导航. 多视图级联深度学习网络 (MVPCNet) 增强了小型和低对比度船舶的可视化.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经外科 神经外科
背景情况:
- 对大脑和头皮血管的准确细分对于神经外科导航至关重要.
- 传统的细分方法与小型和低对比度的容器作斗争.
- 深度学习为船舶细分提供了一个有希望但具有挑战性的解决方案.
研究的目的:
- 开发一种先进的深度学习方法,用于精确的大脑和头皮血管细分.
- 解决现有技术在细分具有挑战性的小和头皮血管方面的局限性.
主要方法:
- 提出了一个多视图级联深度学习网络 (MVPCNet).
- 集成的多视图学习,多参数输入和多视图组合模块.
- 在使用五倍交叉验证对155名患者的数据集进行了MVPCNet的评估.
主要成果:
- MVPCNet显著改善了小型和低对比度船只的细分.
- 实现了子得分从0.865增加到0.922.
- 将95%的豪斯多夫距离 (HD) 从1.28mm减少到0.47mm.
结论:
- 拟议的MVPCNet可以实现完全自动和准确的脑和头皮血管细分.
- 这种方法对于增强神经外科导航至关重要.
- MVPCNet显示出在神经外科中临床应用的巨大潜力.
