基于深度学习算法实现T1的颅内动脉瘤分割

人工智能 其他 案例ID:212568
玦
1 年经验· 首都医科大学
微信扫码沟通,客服可协助直接对接工程师;如当前档期不合,也可继续推荐相似案例作者。

案例介绍

颅内动脉瘤的检测和分割方法很多,但都是基于血管增强影像(CTA/MRA/DSA)实现的。临床诊疗流程中,由于患者主诉及医师的水平可能会导致部分患者没有进行血管增强影像,从而导致动脉瘤的漏诊。而T1数据作为最常用的序列,在T1上实现分割会减少漏诊。创新性的设计了颅内动脉瘤自适应选择算法实现颅内动脉瘤及标签的智能提取,应用三个深度学习模型实现从不同大小/形状各异/对比度低等情况下实现分割,设计了模型集合方法实现了三个模型的结合,在减小假阳性的基础上提升了灵敏度。与血管增强方法对比,本研究使用非增强T1图像实现了相当的性能。

基于深度学习算法实现T1的颅内动脉瘤分割

人工智能 · 其他 案例ID:212568
联系该工程师
微信扫码,建群沟通
作者: 玦 - 1年经验- 首都医科大学

案例介绍

颅内动脉瘤的检测和分割方法很多,但都是基于血管增强影像(CTA/MRA/DSA)实现的。临床诊疗流程中,由于患者主诉及医师的水平可能会导致部分患者没有进行血管增强影像,从而导致动脉瘤的漏诊。而T1数据作为最常用的序列,在T1上实现分割会减少漏诊。创新性的设计了颅内动脉瘤自适应选择算法实现颅内动脉瘤及标签的智能提取,应用三个深度学习模型实现从不同大小/形状各异/对比度低等情况下实现分割,设计了模型集合方法实现了三个模型的结合,在减小假阳性的基础上提升了灵敏度。与血管增强方法对比,本研究使用非增强T1图像实现了相当的性能。

相似案例推荐

发布任务

企业点击发布任务,工程师会在任务下报名,招聘专员也会在 1 小时内与您联系确认。

1小时精推人才

需求方专属客服,免费梳理匹配

需求方客服微信二维码
扫码加微信 · 客服人工对接
更多案例
微信沟通 客服 看中这位工程师了?客服帮你 1 小时对接沟通 → ×