顱內(nèi)出血是一種高發(fā)病率和高病死率的腦血管疾病,臨床準(zhǔn)確診斷和及時干預(yù)方案將有助于提高患者的生存率。計(jì)算機(jī)斷層掃描（CT）成像是初步診斷顱內(nèi)出血的首選方案,基于深度學(xué)習(xí)的顱內(nèi)出血CT影像分析的研究將有助于降低醫(yī)生的漏診率和誤診率。顱內(nèi)出血分析主要包括兩個任務(wù):顱內(nèi)出血亞類型分類和顱內(nèi)出血區(qū)域分割。顱內(nèi)出血亞類型分類任務(wù)中,大多數(shù)研究都基于卷積神經(jīng)網(wǎng)絡(luò),但是目前這些方法輸出的單一預(yù)測概率難以用于判斷模型的可靠程度,如何獲得安全可靠的深度學(xué)習(xí)模型是極具挑戰(zhàn)性的任務(wù)。顱內(nèi)出血區(qū)域分割任務(wù)中,傳統(tǒng)方法對不同類型的顱內(nèi)出血提出不同的手工特征用于分割,然而這些精心設(shè)計(jì)的手工特征難以同時適應(yīng)不同類型的顱內(nèi)出血分割,深度學(xué)習(xí)通過強(qiáng)大的表征能力可以解決該問題,然而基于深度學(xué)習(xí)的顱內(nèi)出血區(qū)域分割仍然面臨著以下問題:顱內(nèi)出血分割標(biāo)注需要耗費(fèi)人類專家大量的時間和精力,因此難以獲得大量標(biāo)注數(shù)據(jù);深度學(xué)習(xí)模型往往有大量的參數(shù),缺乏大量標(biāo)注數(shù)據(jù)將使得模型遭受過擬合的風(fēng)險,因此限制了深度學(xué)習(xí)在顱內(nèi)出血分割上的表現(xiàn)。針對以上深度學(xué)習(xí)在顱內(nèi)出血分析上存在的問題,本文提出以下方法來應(yīng)對這些挑戰(zhàn):·在當(dāng)前先進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的基... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院)廣東省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

顱內(nèi)出血各類型在訓(xùn)練集和測試集中所占總數(shù)比例

基于深度學(xué)習(xí)的顱內(nèi)出血CT影像分析圖2.4展示了測試集上部分CT圖像及其相應(yīng)的類別激活圖，從上到下每行分別是硬腦膜外出血、腦實(shí)質(zhì)出血、腦室出血、蛛網(wǎng)膜下腔出血和硬腦膜外出血的類別激活圖�？梢钥闯觯悇e激活圖關(guān)注著一些關(guān)鍵區(qū)域，除了出血區(qū)域，還關(guān)注一些與任務(wù)相關(guān)的地方，比如硬腦膜外出血，模型除了關(guān)注沿腦骨附近的區(qū)域外，還關(guān)注邊緣區(qū)域，因?yàn)橛材X膜外出血的區(qū)域集中在腦骨以及邊緣附近。另外，由于類別激活圖和類別相關(guān)，更加關(guān)注于任務(wù)相關(guān)的區(qū)域而抑制與任務(wù)無關(guān)的區(qū)域，比如蛛網(wǎng)膜下腔出血類別圖中第2張CT圖像（即第4行第2列），該CT圖像還存在腦室出血和硬腦膜下出血，然而類別激活圖只關(guān)注蛛網(wǎng)膜下腔出血區(qū)域。通過類別激活圖，可以判斷模型是否可靠，同時可以指導(dǎo)人類發(fā)現(xiàn)忽略的出血區(qū)域。2.3.4與其他方法對比為了和其他對方進(jìn)行對比，本章在該數(shù)據(jù)集下實(shí)現(xiàn)了ResNet-18(He等,2016)卷積神經(jīng)網(wǎng)絡(luò)，訓(xùn)練參數(shù)和本章訓(xùn)練EfficientNet方法一樣。這是由于ResNet是一種常用的卷積神經(jīng)網(wǎng)絡(luò)，并且Chilamkurthy等(2018)等使用該結(jié)構(gòu)進(jìn)行顱內(nèi)出血以其亞類型分類，因此ResNet可以作為一種基準(zhǔn)模型。圖2.5對比了ResNet和EfficientNet在顱內(nèi)出血以及亞類型分類上的ROC曲線和AUC值�？梢钥闯觯菊率褂玫腅fficientNet相比ResNet在顱內(nèi)出血以及亞類型分類上更具優(yōu)勢，其中在顱內(nèi)出血分類上，EfficientNet的AUC值達(dá)到0.9791，高于ResNet的0.9691，在硬腦膜外出血上，EfficientNet相比ResNet的AUC值提升最大。本章使用的EfficientNet在顱內(nèi)出血亞類型分類上的AUC值都大于0.96，展示了其優(yōu)異的性能。表2.2和2.3對比了測試集上ResNet和EfficientNet在各顱內(nèi)出血任務(wù)上的分類性能，性能指標(biāo)使用臨床上關(guān)注的敏感性和特異性。由于ResNet和Effi-

基于深度學(xué)習(xí)的顱內(nèi)出血CT影像分析圖2.4測試集上部分CT圖像及其類別激活圖Figure2.4SomeCTimagesandcorrespondingCAMontestset.表2.2測試集上顱內(nèi)出血、硬腦膜外出血和腦實(shí)質(zhì)出血中EfficientNet和ResNet的性能比較。Table2.2PerformancecomparisonsbetweenEfficientNetandResNetinICH,EDHandCPHontestset.顱內(nèi)出血硬腦膜外出血腦實(shí)質(zhì)出血敏感性特異性敏感性特異性敏感性特異性ResNet0.76710.97880.04810.99980.67820.9932EfficientNet0.83110.97750.22800.99940.77090.993418


本文編號：3315461