基于深度学习的时间飞跃法磁共振血管成像对脑动脉瘤自动检测方法研究
【摘要】 目的探讨时间飞跃法磁共振血管成像(time-of-flightmagneticresonanceangiography，TOF-MRA)结合人工智能技术对脑动脉瘤进行全自动检测的诊断性能。方法选择2016年3月-2017年11月在复旦大学附属华山医院行常规体格检查(简称体检)或就诊的130例非破裂颅内囊状动脉瘤患者的TOF-MRA影像，分为训练集(75例)、内部测试集(20例)、外部测试集(35例)。采用基于三维Unet(3D-Unet)的计算机辅助检测方法，在对TOF-MRA影像进行预处理后，进行全自动颅内血管分割，获得感兴趣区域，并在分割结果的基础上，引入医师的标注。对3D-Unet网络模型进行训练调参，利用得到的模型进行脑动脉瘤区域的自动检测。结果对训练集与内部测试集采用五折交叉验证，得到(94.4±1.1)%的灵敏度，对外部测试集进行动脉瘤自动检测，在平均假阳性率为0.86FPs/case(falsepositives/case)的情况下得到的灵敏度为82.
