10.19842/j.cnki.issn.0253-9934.2020.05.005
基于深度学习的时间飞跃法磁共振血管成像对脑动脉瘤自动检测方法研究
目的 探讨时间飞跃法磁共振血管成像(time-of-flight magnetic resonance angiography,TOF-MRA)结合人工智能技术对脑动脉瘤进行全自动检测的诊断性能.方法 选择2016年3月-2017年11月在复旦大学附属华山医院行常规体格检查(简称体检)或就诊的130例非破裂颅内囊状动脉瘤患者的TOF-MRA影像,分为训练集(75例)、内部测试集(20例)、外部测试集(35例).采用基于三维Unet(3D-Unet)的计算机辅助检测方法,在对TOF-MRA影像进行预处理后,进行全自动颅内血管分割,获得感兴趣区域,并在分割结果的基础上,引入医师的标注.对3D-Unet网络模型进行训练调参,利用得到的模型进行脑动脉瘤区域的自动检测.结果 对训练集与内部测试集采用五折交叉验证,得到(94.4±1.1)%的灵敏度,对外部测试集进行动脉瘤自动检测,在平均假阳性率为0.86 FPs/case(false positives/case)的情况下得到的灵敏度为82.9%.将外部测试集数据进行分类比较显示,该方法的检测尺寸为5.00~<10.00 mm和≥10.00 mm的动脉瘤的灵敏度(88.2%和100.0%)高于尺寸为<3.00 mm和3.00~<5.00 mm的动脉瘤(50.0%和72.7%),检测年龄为50~60岁和>60岁病例的灵敏度(90.0%和87.5%)高于年龄<50岁的病例(66.7%),不同性别间的检测灵敏度的差异较小(男、女性分别为84.6%和81.8%).结论 以三维全卷积网络为核心的TOF-MRA影像脑动脉瘤全自动检测方法对病例的性别不敏感,对尺寸≥5.00 mm动脉瘤的检测能力优于对尺寸<5.00 mm,对≥50岁病例动脉瘤的检测能力优于<50岁病例.该方法存在噪声敏感、所需训练数据量较大等问题,将通过改进网络结构,增加训练样本量,提升其检测性能.
颅内动脉瘤、磁共振血管成像、全卷积神经网络、计算机辅助检测
43
TP391.41;R543.3;R739.41
国家重点研发计划;国家自然科学基金;江苏省科技计划;苏州市科技发展计划;丽水市重点研发项目
2020-09-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
274-279