使用多尺度可变形3D注意力的血管意识动脉瘤检测
Alberto M Ceballos-Arroyo1, Hieu T Nguyen1, Fangrui Zhu1
1Northeastern University.
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
|April 14, 2025
概括
这项研究引入了一种新的3D神经网络,用于CT扫描中自动检测内动脉瘤 (IA),显著提高准确性并减少诊断所需的时间.
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:
- 在计算机断层扫描 (CT) 扫描中手动检测内动脉瘤 (IAs) 是具有挑战性的,因为动脉瘤大小小和高假阳性率.
- 自动化IA检测对于高效准确的临床诊断至关重要.
研究的目的:
- 开发和验证一个3D,多尺度的神经架构,用于在CT扫描中自动检测和细分内动脉瘤 (IA).
- 与现有方法相比,提高IA检测的灵敏度和减少误报.
主要方法:
- 提出了一个包含可变形的注意力机制的3D多尺度神经网络.
- 利用船只距离地图和3D卷积特征进行检测.
- 重构分段作为边界立方体预测与二进制交叉和局部化损失.
主要成果:
- 在三个验证组中实现了高灵敏率 (91.3%/97.0%/74.1%),虚假阳性率低.
- 对于检测小动脉瘤的敏感度约为80%.
- 专家审查表明,该模型主要错过了异常位置的动脉瘤.
结论:
- 开发的3D神经架构在CT扫描中有效检测内动脉瘤.
- 该模型对临床应用有希望,有助于更快,更准确的诊断.
- 进一步细化可能会改善在异常位置检测动脉瘤.
