基于生物医学影像数据的颅内动脉瘤病灶检测智能临床决策支持系统

颅内动脉瘤（intracranial aneurysm, IA）是一种脑血管疾病，由脑动脉壁的局灶性膨出或扩张引起，最常累及颈内动脉。IA 似乎与纤维性发育不良、成人型多囊肾病（ADPKD）以及主动脉缩窄等疾病相关。若未及早治疗，脑动脉瘤破裂可导致严重且危及生命的蛛网膜下腔出血，常造成持久的神经功能损害并增加死亡风险。然而，传统诊断技术耗时较长，且需要受过训练且技术娴熟的医疗从业者。因此，构建自动化模型以帮助医生精确检测 IA 可减轻临床医生的负担。近年来，深度学习在医学影像领域获得了显著关注，因为它能够自动学习模式并准确检测多种类型的疾病，如 IA。因此，本文介绍了一种基于颅内动脉瘤病灶检测的临床决策支持系统（CDSS-IALD）。本工作的主要目标是开发一个稳健的系统，能够利用医学影像数据自动检测和识别颅内动脉瘤，以协助临床医生做出治疗决策。首先，所提出的 CDSS-IALD 模型使用图像归一化、降噪、对比度提升和颅骨剥离对输入生物医学图像进行预处理，以改善图像质量和一致性，供后续分析使用。随后，采用 ConvNeXt 分层模型进行特征提取，该模型能够从预处理后的图像中有效提取局部细节和全局上下文。最后，这些提取出的表征被送入脉冲神经网络，由其执行准确的动脉瘤检测与分类。为确保 CDSS-IALD 系统性能的提升，在基准颅内动脉瘤数据集上进行了大量实验。实验结果清楚地表明，所提出的 CDSS-IALD 系统在从生物医学影像中检测和定位颅内动脉瘤方面优于其他方法。

中文由 AI 翻译，仅供参考，以原文为准。