基于卷积神经网络的颅内囊状动脉瘤半自动分割模型的构建与验证研究
An semi-automatic segmentation model for intracranial saccular aneurysms based on convolutional neural networks:construction and verification作者机构：首都医科大学附属北京朝阳医院神经外科100020 首都医科大学宣武医院神经外科
出 版 物：《中国脑血管病杂志》 (Chinese Journal of Cerebrovascular Diseases)
年 卷 期：2024年第21卷第9期
页 面：577-586页
学科分类：1002[医学-临床医学] 100204[医学-神经病学] 10[医学]
基 金：国家重点研发计划重大慢性非传染性疾病防控研究重点专项(2016YFC1300800) 首都临床诊疗技术研究及转化应用(Z201100005520021) 北京市博士后科研活动经费资助项目(2023-ZZ-009) 2023院级科技转化课题(KJZH20237)
主 题：颅内囊性动脉瘤 分割模型 神经网络 U形网络结构 Dice相似系数
摘 要：目的基于卷积神经网络创建一种半自动的颅内囊状动脉瘤分割技术。方法回顾性连续纳入2017年7月至2020年7月“中国颅内动脉瘤计划数据库中首都医科大学宣武医院的单中心数据,所有数据在分析前均进行了匿名处理。收集所有患者的基线资料,包括性别、年龄(≥60岁和0.05)。(2)验证集中动脉瘤分割的平均DSC为0.868±0.078。直径≥5 mm的动脉瘤分割的平均DSC高于直径0.05)。(3)动脉瘤分割模型在验证集所得到的掩膜最大直径与人工分割获得的标准标签的最大直径有较好的一致性[(5.78±3.18)mm比(5.37±2.92)mm,r=0.97]。在验证集中,人工分割与应用神经网络分割动脉瘤的平均时长分别为2.5 min、34 s。结论本研究基于卷积神经网络创建半自动的颅内囊状动脉瘤分割技术可较为准确分割动脉瘤,该模型有助于动脉瘤形态学分析。
维普期刊数据库
同方期刊数据库