| 摘 要： | 目的为实现对脑部数字减影血管造影(DSA)序列的自动化判读,探索在DSA影像中目标检测算法FasterRCNN对复杂血管结构鉴别的应用性。方法收集来自复旦大学附属华山医院DSA影像库2010年1月至2013年12月的正常颈内动脉正位造影图像共计388例,其中350例作为模型训练测试集(测试集)数据,38例作为独立验证集。①测试集DSA中筛选出曝光适度、显影清晰的影像共计680张,比例为8∶2。根据不同时期DSA影像的血管特征,标记不同的感兴趣区域,图片集总计标注了5类血管特征区域。搭建Faster-RCNN多目标检测网络,优化网络参数,保存最优模型。分析测试集各类血管结构的平均精度(AP)和多类别平均精度均值(mAP)。②独立验证集DSA数据依次输入模型进行血管结构检测,分析各图像血管结构的类别与出现的时间,以此为标准对每张图像的时相进行区分,从而确定每一例DSA的时相区间。将判定结果与专科医生标定的结果进行比较,计算各时期的区分准确率。结果测试集136张图片中,颈内动脉的AP为0.922、Willis环为0.991、大静脉为0.899、静脉血管为0.769、静脉窦为0.929。5类血管特征区域的多类别mAP为0.902。独立验证集中,动脉期、毛细血管期、静脉早期和静脉窦期分期准确率分别达到100%,92.1%,92.1%和78.9%。结论 Faster-RCNN算法可以分析DSA序列中的时间信息与结构信息从而对DSA影像进行自动判读,可在缩短读片时间前提下保证足够的判读准确度,为复杂脑血管的鉴别提供技术支持。
|
