钱柜qg999娱乐

首页 > 新闻中心 > 综合新闻 > 正文

综合新闻

钱柜qg999娱乐智慧医疗实验室在Medical Image Analysis发表脑卒中图像分割研究成果

来源:钱柜qg999娱乐    发布时间:2020-07-21 14:45

718日,医学影像分析领域顶级期刊Medical Image Analysis (影响因子11.15) 发表了钱柜qg999娱乐智慧医疗实验室在脑卒中病人CT灌注图像中病灶自动分割方面的工作。该论文题目为“Automatic Ischemic Stroke Lesion Segmentation from Computed Tomography Perfusion Images by Image Synthesis and Attention-Based Deep Neural Networks”。该项工作利用基于深度学习的图像生成和智能分割算法,实现CT灌注图像中脑卒中病灶的准确定位和勾画,为急性脑卒中的精确诊断和治疗决策提供定量依据。

                                              

脑卒中俗称中风,是一种常见的急性脑血管疾病,具有发病率高、死亡率高和致残率高的特点,是我国人口主要死亡原因之一,也是中国成年人残疾的首要原因。脑卒中分为缺血性卒中和出血性卒中,其中缺血性卒中占脑卒中总数的75%以上,是由于脑部血管阻塞导致部分脑组织的缺血性损伤。

急性脑卒中的早期诊断对于病人的治疗和康复至关重要。通过医学影像的手段,医生可以更好地了解脑卒中的发生部位和受损的脑部区域。计算机断层成像(CT)灌注图像由于扫描速度快、可根据血流动力学参数评估脑缺血区域的特点,在脑卒中的急诊过程中具有广泛的使用。从CT灌注图像中分割出卒中的病灶区域,对于卒中严重程度的定量评估至关重要,也是精确诊断、治疗决策和预后预测的重要依据。


然而, 相比于具有较好的软组织对比度、扫描时间较长的弥散张量成像(DWI),CT灌注图像中卒中病灶与周围组织的对比度较低,边缘不明确,并且具有较大的噪声干扰。因此基于CT灌注图像的卒中病灶分割十分困难。

为了克服这一分割难题,本研究提出了一个基于图像生成的方法进行缺血性脑卒中的自动分割。首先使用深度神经网络将CT灌注图像生成其对应的伪DWI图像,从而提高病灶区域的对比度和图像质量,然后利用一个分割网络,从伪DWI图像中进行病灶的准确分割。实验结果表明,通过生成伪DWI图像的方式,可显著提高脑卒中病灶分割的精度。该方法还在2018MICCAI国际脑卒中病灶分割大赛中斩获冠军,性能明显优于直接从CT灌注图像进行分割的算法和其他基于图像生成的分割方法。

钱柜qg999娱乐智慧医疗实验室由张少霆教授2016年创立,旨在聚焦于人工智能技术与医疗大数据的前沿方向,围绕更加智能、精准的疾病诊断与治疗方法进行创新性研究,研究范围覆盖医学图像计算、计算机视觉、人工智能等多个方向。目前团队成员包括张少霆教授、王国泰副教授、李康教授(兼职)及十余名研究生、博士生。

论文网址:https://www.sciencedirect.com/science/article/abs/pii/S1361841520301511

      智慧医疗实验室网址:http://faculty.uestc.edu.cn/HiLab/zh_CN/index/318828/list/index.htm