检索历史 清除

摘要脑动脉瘤是脑部动脉血管局部凸起或膨大形成的类似瘤状的物体，其对应位置血管壁较薄，破裂风险高，一旦破裂容易导致颅内出血并威胁生命。目前医学上常用的快速诊断脑动脉瘤的技术是计算机断层扫描血管造影（CTA）。该项技术在带来快速成像的便利（广泛用于急诊）的同时，也包含了复杂的背景噪声，这增大了放射科医生阅片的难度。面对机器获取到的复杂3D CTA影像，放射科医生往往需要花费较长的时间进行阅片诊断。对于一些低年资的医生，较容易漏诊脑动脉瘤，进而延误宝贵的治疗时间。因此，研究面向CTA影像的脑动脉瘤自动检测算法对于辅助医生快速诊断病情、挽救生命具有重要意义。<br>　　然而，CTA影像的脑动脉瘤检测面临着公开的多样性数据集匮乏和容易漏检错检的问题。数据集方面的问题具体体现在：真实场景中的脑动脉瘤数据往往具有多中心、多设备、多位置、多类型、多尺寸的特点，而目前鲜有具备这些多样化表现形式、贴近真实场景的公开脑动脉瘤CTA影像数据集。容易漏检错检的问题体现在脑动脉瘤尺寸较小、不易召回以及CTA影像背景复杂、容易引入假阳性预测。考虑到CTA影像中脑动脉瘤检测任务存在的问题，本文开展了以下研究：<br>　　首先，针对公开的多样性数据集匮乏的问题，本文在两家三甲医院收集并整理了面向CTA影像的脑动脉瘤数据以及医生专业的标注，进而首次构建出了两个较为完备的真实场景下的脑动脉瘤检测数据集。在此基础上，本文提出了一个用于脑动脉瘤检测的算法CANet。相比目前的多步骤脑动脉瘤检测算法而言，CANet直接输入3D CTA影像数据进行端到端的脑动脉瘤检测，而无需复杂的预处理和后处理过程，具有较高的实用价值。本文在两个真实数据集上开展了验证实验，说明了CANet相比现有文献中先进的脑动脉瘤检测算法取得了更优的效果。<br>　　其次，针对容易漏检错检的问题，本文模仿放射科医生的阅片方式，即借助当前切片与其相邻切片之间的变化特征诊断脑动脉瘤，提出了一个新颖的变化特征融合模块。该模块充分考虑了CTA影像切片间的变化特征，可以灵活地融合到现有的脑动脉瘤检测算法当中，在增加较少参数量的前提下，有效地提升其检测效果。通过将变化特征融和模块集成到CANet中，本文进一步提出了改进版的脑动脉瘤检测算法CANet++。实验结果表明，CANet++在两个脑动脉瘤检测数据集上与现有技术相比取得了当前最优的效果，这得益于它融合了切片间的变化特征。<br>　　综上所述，本文收集了贴近真实应用场景的多样化脑动脉瘤检测数据集，提出了流程相对简捷的端到端脑动脉瘤检测算法，并在此基础上提出了切片间变化特征融合模块来进一步改进脑动脉瘤检测性能。