首页|基于深度学习的脑卒中病灶分割系统研究

基于深度学习的脑卒中病灶分割系统研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了改善人工描绘缺血性脑卒中病灶的主观差异性,提升诊断缺血性脑卒中的速率和精确度,本研究基于Attention U-Net深度学习模型搭建深度学习自动分割系统,将DWI、ADC等多模态磁共振影像作为系统输入并提取病灶的多层次特征,获得自动分割结果.结果显示,该系统的Dice可达到0.91,IoU达到0.93,远远优于U-Net算法.该系统可以辅助放射科医生进行脑卒中缺血区域定位,从而改善患者的临床结局.
Study of the stroke lesion segmentation system based on deep learning

周升海、马平川、陆奇傲、崔丽媛

展开 >

杭州医学院医学影像学院,浙江 杭州 310053

缺血性脑卒中 磁共振 深度学习 Attention U-Net

浙江省大学生创新创业项目浙江省教育厅一般科研项目

S202213023065Y202249252

2023

10.16644/j.cnki.cn33-1094/tp.2023.05.018

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(5)
  • 1