發(fā)布時間：2021-08-07 17:16

　　目的采用深度學(xué)習(xí)方法自動分割頭頸部CTA圖像中的頸動脈斑塊。方法通過結(jié)合閾值分割和區(qū)域生長算法的半自動血管分割,從CTA圖像中分割出頸總動脈至頸內(nèi)動脈顱外段及其周圍感興趣區(qū)域,在此基礎(chǔ)上,采用三維（3D）-Unet網(wǎng)絡(luò)模型進(jìn)行頸動脈斑塊的識別和分割,將41例患者的CTA圖像用于訓(xùn)練,9例患者的CTA圖像用于測試,計算斑塊識別率評估實驗結(jié)果。結(jié)果半自動血管分割方法從原始圖像中分割出頸總動脈至頸內(nèi)動脈顱外段,分割結(jié)果與高年資影像科醫(yī)師識別結(jié)果一致。通過3D-Unet網(wǎng)絡(luò)模型進(jìn)一步對斑塊進(jìn)行檢測和分割,取得較好的結(jié)果,經(jīng)統(tǒng)計,斑塊檢出率達(dá)到82.76%（24/29）,亦能識別體積相對較小的鈣化斑塊。結(jié)論血管分割和3D-Unet網(wǎng)絡(luò)模型對頸動脈斑塊的分割效果較好,為進(jìn)一步的CTA頸動脈斑塊分析和研究提供了一種有效工具。 

【文章來源】：上海醫(yī)學(xué). 2020,43(05)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

3D-Unet網(wǎng)絡(luò)的具體架構(gòu)

通過半自動血管分割方法,從原始CTA圖像中分割出頸總動脈至頸內(nèi)動脈顱外段,分割結(jié)果顯示:預(yù)處理和閾值分割可篩選出原始CTA圖像中血管和骨骼等高亮的區(qū)域,在選定合適的區(qū)域生長種子點后,可獲得頸動脈的分割結(jié)果,與高年資影像科醫(yī)師識別的結(jié)果一致。見圖2。2.2 基于3D-Unet網(wǎng)絡(luò)模型的頸動脈斑塊分割

將分塊測試結(jié)果整合后得到的頸動脈斑塊分割結(jié)果顯示:在斑塊檢測和分割方面均取得較好的效果,亦能識別體積相對較小的鈣化斑塊。高年資影像科醫(yī)師勾畫的頸動脈斑塊結(jié)果見圖3�；�3D-Unet網(wǎng)絡(luò)模型的頸動脈斑塊分割結(jié)果見圖4。經(jīng)統(tǒng)計,9例測試樣本中,斑塊識別率達(dá)到82.76%(24/29)。圖4 基于3D-Unet網(wǎng)絡(luò)模型得到的頸動脈斑塊分割結(jié)果(紅色所示)

【參考文獻(xiàn)】：
期刊論文
[1]圖像區(qū)域分割算法綜述及比較[J]. 王媛媛.  產(chǎn)業(yè)與科技論壇. 2019(13)
[2]頸動脈斑塊和狹窄與缺血性腦卒中的相關(guān)性研究[J]. 吳積新,成薇,胡碧瓊,李燊宇,秦源,肖鈺耀.  影像研究與醫(yī)學(xué)應(yīng)用. 2019(07)



本文編號：3328202