基于SE-CaraNet的全方位最大密度投影图像颅内动脉瘤自动检测方法

作     者：白培瑞 宋雪峰 刘庆一 刘佳慧 成锦 修晓娜 任延德 王成健 BAI Peirui;SONG Xuefeng;LIU Qingyi;LIU Jiahui;CHENG Jin;XIU Xiaona;REN Yande;WANG Chengjian

作者机构：山东科技大学电子信息工程学院山东青岛266590 青岛大学附属医院放射科山东青岛265000 

出 版 物：《生物医学工程学杂志》 (Journal of Biomedical Engineering)

年 卷 期：2024年第41卷第2期

页      面：228-236页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0808[工学-电气工程] 1002[医学-临床医学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 100204[医学-神经病学] 0702[理学-物理学] 10[医学] 

主　　题：颅内动脉瘤检测 最大密度投影 Squeeze-and-Excitation模块 CaraNet 

摘      要：传统的单一方位最大密度投影(MIP)图像在检测颅内动脉瘤时容易忽略部分形态特征,造成漏检和误检。针对该问题,本文提出一种新的基于全方位MIP图像的颅内动脉瘤检测方法。首先,对三维磁共振血管造影(MRA)图像进行全方位最大密度投影,获得MIP图像;然后,利用匹配滤波对颅内动脉瘤区域进行预定位;最后,使用Squeeze and Excitation(SE)模块对CaraNet模型进行了改进,并用改进后的模型对全方位MIP图像中的预定位区域进行检测,确定是否患有颅内动脉瘤。本文收集了245例图像对所提方法进行了测试实验。实验结果表明本文所提方法的精确率和特异性分别可以达到93.75%和93.86%,显著提高了对MIP图像中颅内动脉瘤的检测性能。