自动化动脉瘤边界检测和体积估计使用深度学习
Alireza Bagheri Rajeoni1, Breanna Pederson2, Susan M Lessner3
1Department of Computer Science and Engineering, University of South Carolina, Columbia, SC 29201, USA.
Diagnostics (Basel, Switzerland)
|July 29, 2025
概括
本研究引入了一种使用人工智能精确测量动脉瘤体积的自动化方法,改进了风险评估和治疗规划. 这种新的方法精确计算了动脉瘤体积,超过了传统的直径测量.
科学领域:
- 医学成像分析 医学成像分析
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 目前动脉瘤评估依赖于手动成像审查,这是耗时且可变的.
- 标准护理只测量最宽的直径,限制了形态洞察力.
- 准确的体积测量对于了解动脉瘤进展和严重程度至关重要.
研究的目的:
- 开发一种用于精确划出动脉瘤边界和体积计算的自动化方法.
- 利用预先训练有素的神经网络和专家系统进行动脉瘤分析.
- 在60名患者的未注释数据集上验证该方法.
主要方法:
- 利用预先训练的UNet进行了自动主动脉定位.
- 使用SAM2通过复杂的血管结构,包括动脉瘤,跟踪大动脉.
- 应用长短期记忆 (LSTM) 网络或专家系统来识别动脉瘤开始/结束点.
主要成果:
- 在预测动脉瘤开始 (R2=71%) 和结束点 (R2=76%) 方面取得了高准确性.
- 在动脉瘤体积预测方面表现出卓越的准确性,R2得分为92%.
- 在没有手动主动脉细分的情况下成功计算了体积.
结论:
- 这种自动化技术显示出大规模动脉瘤分析的巨大潜力.
- 这种方法可以通过减少对注释数据集的依赖来增强临床决策.
- 自动体积测量提供了对动脉瘤形态和风险的更全面的了解.
