期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于深度学习的腹主动脉瘤自动分割在预测破裂风险中的应用
1
作者 李洁 翁诚馨 +3 位作者 白马腾 邓培 袁丁 郑庭辉 《医用生物力学》 CAS CSCD 北大核心 2024年第S01期634-634,共1页
目的腹主动脉瘤(abdominal aortic aneurysm,AAA)是一种严重的易破裂的动脉扩张性疾病,破裂死亡率超过70%。AAA的形态学是影响其破裂的重要因素,然而目前临床手动分割计算耗时长、准确性低。因此,本研究拟通过深度学习方法实现更为高效... 目的腹主动脉瘤(abdominal aortic aneurysm,AAA)是一种严重的易破裂的动脉扩张性疾病,破裂死亡率超过70%。AAA的形态学是影响其破裂的重要因素,然而目前临床手动分割计算耗时长、准确性低。因此,本研究拟通过深度学习方法实现更为高效准确的自动分割计算AAA相关形态学参数。方法共纳入112例AAA患者(其中男性占比46.4%),平均年龄71±9岁,46.4%发生破裂。主要临床结局为AAA破裂和非破裂,其中年龄和性别在两组之间差异无统计学意义。本研究基于三维卷积神经网络V-net对AAA进行自动分割提取,并自动计算长度、面积、偏心度等共计71例参数,使用SPSS统计软件分析对比AAA破裂与非破裂的形态学参数差异。结果本研究的AAA自动分割模型在流道和瘤体两部分取得了0.94和0.92的Dice评分。利用t检验和卡方检验比较AAA破裂和非破裂组的形态学参数,发现AAA流道和瘤体的最大直径、面积,左髂总动脉与腹主动脉夹角,AAA相对膨胀比例(AAA瘤体最大直径/肾下分支动脉瘤体直径),AAA出入口面积比(AAA瘤体最大面积/左、右髂总动脉瘤体面积和)均与AAA破裂呈正相关(均P<0.05),其余形态学参数在两组间差异无统计学意义。结论本研究开发验证了基于深度学习的AAA自动分割体系,实现了全自动分析AAA的形态学参数,有助于早期筛选AAA破裂高危患者。 展开更多
关键词 AAA 形态学参数 深度学习 腹主动脉瘤 SPSS统计软件 全自动分析 瘤体直径 髂总动脉
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部