计算机时代2023，Issue(5) ：85-87,90.DOI:10.16644/j.cnki.cn33-1094/tp.2023.05.018

基于深度学习的脑卒中病灶分割系统研究

Study of the stroke lesion segmentation system based on deep learning

周升海 马平川 陆奇傲 崔丽媛
计算机时代2023，Issue(5) ：85-87,90.DOI:10.16644/j.cnki.cn33-1094/tp.2023.05.018
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于深度学习的脑卒中病灶分割系统研究

Study of the stroke lesion segmentation system based on deep learning

周升海 1马平川 1陆奇傲 1崔丽媛1
扫码查看

作者信息

  • 1. 杭州医学院医学影像学院,浙江 杭州 310053
  • 折叠

摘要

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.

关键词

缺血性脑卒中/磁共振/深度学习/Attention/U-Net

引用本文复制引用

基金项目

浙江省大学生创新创业项目(S202213023065)

浙江省教育厅一般科研项目(Y202249252)

出版年

2023
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
参考文献量1
段落导航相关论文