10.19842/j.cnki.issn.0253-9934.2020.05.006
基于深度学习的计算机体层摄影血管造影颈动脉斑块分割初步研究
目的 采用深度学习方法自动分割头颈部CTA图像中的颈动脉斑块.方法 通过结合阈值分割和区域生长算法的半自动血管分割,从CTA图像中分割出颈总动脉至颈内动脉颅外段及其周围感兴趣区域,在此基础上,采用三维(3D)-Unet网络模型进行颈动脉斑块的识别和分割,将41例患者的CTA图像用于训练,9例患者的CTA图像用于测试,计算斑块识别率评估实验结果.结果 半自动血管分割方法从原始图像中分割出颈总动脉至颈内动脉颅外段,分割结果与高年资影像科医师识别结果一致.通过3D-Unet网络模型进一步对斑块进行检测和分割,取得较好的结果,经统计,斑块检出率达到82.76%(24/29),亦能识别体积相对较小的钙化斑块.结论 血管分割和3D-Unet网络模型对颈动脉斑块的分割效果较好,为进一步的CTA颈动脉斑块分析和研究提供了一种有效工具.
颈动脉斑块、计算机体层摄影血管造影、分割、三维-Unet
43
R445;R541.4;R737.11
上海市科委科技创新行动计划;上海市科委科技创新行动计划
2020-09-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
280-283