科研之友
微信
新浪微博
Facebook
分享链接
摘要
脑动脉瘤破裂造成的蛛网膜下腔出血致死致残率极高，借助深度学习网络辅助医生实现高效筛查具有重要意义．为提高基于时间飞跃法磁共振血管造影（Time of Flight-Magnetic Resonance Angiography,TOF-MRA）的脑动脉瘤自动检测的精度，本文基于模糊标签方式，提出一种基于变体3D U-Net和双分支通道注意力（Dual-branch Channel Attention,DCA）的深度神经网络DCAU-Net,DCA模块可以自适应地调整通道特征的响应，提高特征提取能力．首先对260例病例的TOF-MRA影像预处理，将数据集分为174例训练集、43例验证集和43例测试集，然后使用处理后的数据训练和验证DCAU-Net，测试集实验结果表明DCAU-Net可以达到90.69%的敏感度，0.83个/例的假阳性计数和0.52的阳性预测值，有望为动脉瘤筛查提供参考．
- 单位
