换一批基于DBCNet的TOF-MRA中脑动脉树区域自动分割方法
An Automatic Segmentation Method of Cerebral Arterial Tree in TOF-MRA Based on DBCNet
摘要从脑部医学影像中划分动脉树区域是诊断和评估许多脑血管疾病的早期步骤.现有的区域分割方法多依赖人工辅助,本文中提出了一种基于双分支连通网络(dual branch connected network,DBCNet)的脑动脉树自动分区方法,可以将时间飞跃磁共振血管造影(time of flight-magnetic resonance angiography,TOF-MRA)中的动脉树分割为 6 个主要区域.DBCNet中引入了分支特征解耦模块和Swin Transformer机制的全局与局部特征融合模块,训练采用先定位后分割的两步训练策略.本研究使用了 111例TOF-MRA数据,其中 81 例作为训练集,20 例作为验证集,10 例作为测试集,模型在测试集上的平均Dice系数为 74.72%,95%豪斯多夫距离(HD95)为 3.89 mm.和其他先进分割网络相比较,该网络能更准确地分割出各个主要区域,并具有一定的鲁棒性.
更多相关知识
关键词
脑动脉树时间飞跃磁共振血管造影(TOF-MRA)深度学习分支连通网络自动分割cerebral arterial treetime of flight-magnetic resonance angiography(TOF-MRA)deep learningdual branch connected networkautomatic segmentation
分类号
TP394.1
栏目名称
DOI
10.11938/cjmr20223046
发布时间
2023-09-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（81971685）；
山东省自然基金资助项目（ZR2022QF093）；
江苏省重点研发计划（BE2022049-2）；
苏州市科技计划（SS202072）；
浙江省重点研发计划（2020ZJZC03）
- 浏览4
- 被引1
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
