"脑缺血病变全自动分割及挤压-激励阻滞在磁共振成像中的应用"
159 浏览量
更新于2025-01-16
收藏 840KB PDF 举报
医学信息学解锁21（2020）100440
使用语义分割网络对脑缺血和白质高信号病变进行全自动分割，
磁共振成像中的挤压
-
激发阻滞
A-Reum Lee
a
，Ilsang Woo
a
，Dong-Wha Kang
b
，Seung Chai Jung
c
，Hyunna Lee
a
，
Namkug Kim a
，
*
a
蔚山大学医学院牙山医学中心生物医学工程研究中心融合医学系，
88 Olympic-Ro 43-Gil
，
首尔市松坡区，邮编
05505
b
蔚山大学神经病学系，医学院，牙山医疗中心，
88 Olympic-Ro 43-Gil
，
Songpa-Gu
，
Seoul
，
05505
，韩国
c
韩国
，首尔，
05505
，松坡区，
88 Olympic-Ro 43-Gil
，蔚山大学，医学院，牙山医疗中心，放射科和放射学研究所
A R T I C L E I N FO
保留字：
脑缺血病灶分割深度学习
扩散加权成像（
DWI
）医学图像分
割语义分割
挤压
-
激发（
SE
）阻滞
A B S T R A C T
缺血性脑卒中是老年人的常见病，可导致长期残疾和死亡。急性期脑缺血性病变的定量测量对脑卒中患者的准
确诊断和治疗决策至关重要。目前，缺血性病变的手动分割是耗时的，并且难以提取潜在的量化信息。这些限
制可以通过深度学习来克服，深度学习最近已经成为在MRI中分割脑缺血性病变的流行方法。使用深度学习的
全自动分割方法可定量评估梗死病变，准确识别病变，快速定位病变，并改善治疗计划。最先进的方法是U-Net
的变体，是全卷积网络（FCN）;然而，这些方法有一些限制，包括由于编码器和解码器网络而无法捕获全局特
征
为了克服这一局限性，本研究提出了一种使用挤压和激励（SE）块的U-网的语义分割方法。与传统的神经网
络相比，该方法可以通过特征映射来改善通道信息，从而提高脑病变分割的准确性
经IRB批准，急性梗死患者（N= 429）回顾性入组本研究
开发了各种类型的带有或不带有SE块的语义分割网络，并将其准确性与传统的内部和商业软件进行了比较U-的
Dice相似系数（DSC）
带SE块的致密U形网和Net分别为85.39±0.84和84.23±1.60DSC增加3.5%
平均0.9%。具有SE块的基本U形网和密集U形网的准确性显著优于传统图像处理方法和不具有SE块的图像处理
方法（p值分别为：1.0e-08、2.272e-05和0.0003）。为了进一步评估这些方法，使用了MICCAI 2017的白质高
信号（WMH）分割挑战的公共数据集。在WMH数据集中，U-Net的DSC与或
无SE阻滞时分别为74.64±1.11和76.92±0.78DSC平均提高2.3%的
与SE块的语义分割表现出显着更好的性能比那些没有SE块。该解决方案可以应用于测量各种脑分割问题，包括
梗死体积（在中风患者的急性期）和WMH体积。
1.
介绍
各种脑部疾病可以通过磁共振成像（MRI）进行分割和量化。然而，
由于繁琐的任务和复杂的环境，稳健和精确的分割和量化仍然是一个挑
战。
观察者间和观察者内的差异。
计算机视觉中具有深度学习的最先进算法已应用于生物医学成像，
并在医学图像处理中表现出出色的性能，包括分类、检测、分割和病变
量化
* 通讯作者。
电子邮件地址：
namkugkim@gmail.com（N.Kim）。
https://doi.org/10.1016/j.imu.2020.100440
接收日期：2020年7月23日;接收日期：2020年9月26日;接受日期：2020年9月30日
在线预订
2020
年
2352-9148/©
2020
的 自行 发表 通过 Elsevier 公司 这 是 一个 开放 接入 文章 下 的 CC
BY-NC-ND
许可证
（
http://creativecommons.org/licenses/by-nc-nd/4.0/
）中找到。
可在ScienceDirect上获得目录列表
医学信息学
期刊主页：http://www.elsevier.com/locate/imu
下载后可阅读完整内容，剩余7页未读，立即下载
107 浏览量
点击了解资源详情
213 浏览量
119 浏览量
2021-09-14 上传
2021-09-14 上传
102 浏览量
107 浏览量
2021-12-04 上传
cpongm
- 粉丝: 6
我的内容管理
展开
最新资源
- 计算机组成原理期末试题及答案(2011参考)
- 均值漂移算法深入解析及实践应用
- 掌握npm与yarn在React和pg库中的使用
- C++开发学生信息管理系统实现多功能查询
- 深入解析SIMATIC NET OPC服务器与PLC的S7连接技术
- 离心式水泵原理与Matlab仿真教程
- 实现JS星级评论打分与滑动提示效果
- VB.NET图书馆管理系统源码及程序发布
- C#实现程序A监控与自动启动机制
- 构建简易Android拨号功能的应用开发教程
- HTML技术在在线杂志中的应用
- 网页开发中的实用树形菜单插件应用
- 高压水清洗技术在储罐维修中的关键应用
- 流量计校正方法及操作指南
- WinCE系统下SD卡磁盘性能测试工具及代码解析
- ASP.NET学生管理系统的源码与数据库教程
