目的采用深度學習方法自動分割頭頸部CTA圖像中的頸動脈斑塊。方法通過結合閾值分割和區(qū)域生長算法的半自動血管分割,從CTA圖像中分割出頸總動脈至頸內(nèi)動脈顱外段及其周圍感興趣區(qū)域,在此基礎上,采用三維（3D）-Unet網(wǎng)絡模型進行頸動脈斑塊的識別和分割,將41例患者的CTA圖像用于訓練,9例患者的CTA圖像用于測試,計算斑塊識別率評估實驗結果。結果半自動血管分割方法從原始圖像中分割出頸總動脈至頸內(nèi)動脈顱外段,分割結果與高年資影像科醫(yī)師識別結果一致。通過3D-Unet網(wǎng)絡模型進一步對斑塊進行檢測和分割,取得較好的結果,經(jīng)統(tǒng)計,斑塊檢出率達到82.76%（24/29）,亦能識別體積相對較小的鈣化斑塊。結論血管分割和3D-Unet網(wǎng)絡模型對頸動脈斑塊的分割效果較好,為進一步的CTA頸動脈斑塊分析和研究提供了一種有效工具。 

【文章來源】：上海醫(yī)學. 2020,43(05)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

3D-Unet網(wǎng)絡的具體架構

通過半自動血管分割方法,從原始CTA圖像中分割出頸總動脈至頸內(nèi)動脈顱外段,分割結果顯示:預處理和閾值分割可篩選出原始CTA圖像中血管和骨骼等高亮的區(qū)域,在選定合適的區(qū)域生長種子點后,可獲得頸動脈的分割結果,與高年資影像科醫(yī)師識別的結果一致。見圖2。2.2 基于3D-Unet網(wǎng)絡模型的頸動脈斑塊分割

將分塊測試結果整合后得到的頸動脈斑塊分割結果顯示:在斑塊檢測和分割方面均取得較好的效果,亦能識別體積相對較小的鈣化斑塊。高年資影像科醫(yī)師勾畫的頸動脈斑塊結果見圖3。基于3D-Unet網(wǎng)絡模型的頸動脈斑塊分割結果見圖4。經(jīng)統(tǒng)計,9例測試樣本中,斑塊識別率達到82.76%(24/29)。圖4 基于3D-Unet網(wǎng)絡模型得到的頸動脈斑塊分割結果(紅色所示)

【參考文獻】：
期刊論文
[1]圖像區(qū)域分割算法綜述及比較[J]. 王媛媛.  產(chǎn)業(yè)與科技論壇. 2019(13)
[2]頸動脈斑塊和狹窄與缺血性腦卒中的相關性研究[J]. 吳積新,成薇,胡碧瓊,李燊宇,秦源,肖鈺耀.  影像研究與醫(yī)學應用. 2019(07)



本文編號：3328202