-
题名基于知识引导的缺血性脑卒中梗死区分割方法
- 1
-
-
作者
顾正宇
赖菲菲
耿辰
王希明
戴亚康
-
机构
徐州医科大学医学影像学院
无锡市精神卫生中心放射科
中国科学院苏州生物医学工程技术研究所
苏州大学附属第一医院放射科
-
出处
《浙江大学学报(工学版)》
北大核心
2025年第4期814-820,共7页
-
基金
国家自然科学基金资助项目(81971685,62441114)
江苏省前沿引领技术基础研究项目(BK20192004)
+2 种基金
山东省自然科学基金资助项目(ZR2022QF093)
苏州科技计划项目(SKY2022151)
浙江省医药卫生科技计划项目(2022KY1426).
-
文摘
针对缺血性脑卒中梗死区在医学影像上显示出低密度特征,提出基于阈值分割和加权滤波的梗死概率图生成方法.通过自适应参数的阈值分割找出低密度区,由多尺度自定义权重的滤波器计算二值图,获得梗死概率图.当概率图引导网络参数学习时,通过降低低概率区域的权重来提高所提方法的分割准确度.使用梗死概率图引导U-Net、DRINet和DeepLabV3+,相比未使用梗死概率图引导的模型,Dice系数分别提升了0.0466,0.0418和0.0363,交并比(IoU)分别提升了0.0322、0.0440和0.0356.统计结果表明,梗死概率图引导的网络对急性期数据的Dice系数有提升作用,对亚急性数据分割结果影响不大.所提方法为自动分割急性缺血性脑卒中梗死区提供了可行方案.
-
关键词
深度学习
知识引导
缺血性卒中
脑卒中梗死区
语义分割
-
Keywords
deep learning
knowledge-guided
ischemic stroke
cerebral infarcts
semantic segmentation
-
分类号
TP391.7
[自动化与计算机技术—计算机应用技术]
-
