用nnU-net进行内动脉瘤细分:利用损失函数和自动血管提取
Maysam Orouskhani1, Negar Firoozeh1, Huayu Wang1,2
1Department of Radiology, University of Washington, Seattle, WA 98195, USA.
这项研究引入了一种新的方法来细分内动脉瘤使用3DTOF-MRA图像和一个没有新的U-net框架. 该方法通过使用混合损失函数和血管信息来提高准确性,以更好地诊断和计划治疗.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 内动脉瘤带来了诊断和治疗方面的挑战.
- 准确的细分对于临床管理至关重要.
研究的目的:
- 开发一种使用3D TOF-MRA图像对内动脉瘤进行细分的新方法.
- 通过混合损失函数和船舶信息来提高细分精度和效率.
主要方法:
- 使用了没有新的U-net框架与3D TOF-MRA图像.
- 采用混合损失函数,将基于分布和基于区域的损失结合起来.
- 集成自动船只细分,以增强兴趣的地区.
主要成果:
- 性能最好的损失函数显著提高了子系数 (0.72在RENJI上,0.54在ADAM上) 和灵敏度 (0.69在RENJI上,0.53在ADAM上).
- 在动脉瘤检测和细分 (ADAM) 和仁吉医院 (RENJI) 数据集上都表现出有效性.
结论:
- 拟议的方法为准确的内动脉瘤细分提供了一个有希望的解决方案.
- 混合损失功能和血管信息的整合增强了复杂动脉瘤结构的划分.
- 有助于改善对内动脉瘤患者的诊断和治疗规划.
相关概念视频
Developing an Experimental Aneurysm Model in a Rabbit Using an Elastase-Treated Vessel Pouch
08:55Translaminar Autonomous System Model for the Modulation of Intraocular and Intracranial Pressure in Human Donor Posterior Segments
06:11Arterial Pouch Microsurgical Bifurcation Aneurysm Model in the Rabbit
07:04Creation of Two Saccular Elastase-Digested Aneurysms with Different Hemodynamics in One Rabbit
18:50Microsurgical Clip Obliteration of Middle Cerebral Aneurysm Using Intraoperative Flow Assessment
11:07Biodegradable Magnesium Stent Treatment of Saccular Aneurysms in a Rat Model - Introduction of the Surgical Technique

