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,寻找更多为进一步的CTA颈动脉斑块分析和研究提供了一种有效工具。
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—20FK228供应商17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GSK2399872A MW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%。