研究人员提出未破裂脑动脉瘤的自动化检测方法

脑动脉瘤高发、高危、起病隐匿。及时发现和干预有助于防止动脉瘤破裂。中国科学院苏州生物医学工程技术研究所(SIBET)戴亚康课题组陈庚与复旦大学华山医院放射科合作，近期提出了一种基于动脉瘤位置的均等增强策略，并构建了一个基于双通道SE-3D UNet的检测模型。该研究发表在欧洲放射学杂志上。

飞行时间磁共振血管造影(TOF-MRA) 是颅内动脉瘤的主要无创筛查方法。然而，人工筛选会导致漏诊和低效率。现有的基于深度学习的自动检测算法每个案例的平均误报数很高。这会导致风险和不必要的数字减影血管造影 (DSA) 检查，使这些方法难以在临床实践中应用。

为了提高检测性能，耿和他的团队采用了基于动脉瘤病变位置的均衡增强策略，旨在缓解神经网络模型中数据不平衡导致的检测结果偏差问题。

所提出的检测方法涉及使用自适应阈值颅内血管提取算法对整个 TOF-MRA 数据进行预处理。生成的图像描绘了血管树的轮廓和整体，然后被用作双通道 SE-3D UNet 模型的输入。该模型结合了用于自适应特征选择的通道注意机制，允许自动处理原始 TOF-MRA 图像以检测动脉瘤并生成包括其位置注释的输出。

该方法在多中心数据集上得到验证。实验结果表明，案例级检测的灵敏度(TRP)为 82.46%，每个案例的平均误报数(FPs/case)为 0.88。统计分析后各组检测性能无显着差异。

“这种方法表明，一种具有高灵敏度和低误报率的动脉瘤检测算法是可能的，”耿说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！