TY -的A2 Nagaraj Balakrishnan AU -王,剑盟- Ti,林盟——太阳,Xiaorui AU -杨,rup盟——张Nafei盟——太阳,Kejuan PY - 2022 DA - 2022/08/13 Ti - DSA图像分析的脑动脉瘤的临床特点及护理患者基于深度学习算法SP - 8485651六世- 2022 AB - 客观的。深入学习算法开发了自动检测和定位DSA的颅内动脉瘤及其临床特点进行了分析,并制定有针对性的护理措施。 方法。使用回顾性多中心研究方法基于放射学报告,DSA图像的动脉瘤75例随机分为训练集,在内部测试集20例,外部测试集和35例。使用计算机辅助检测方法基于三维U-Net (3 d U-Net),预处理DSA图像后,自动执行的颅内血管分割获得感兴趣的区域,并根据细分结果,介绍了医生的注释。3 d U-Net网络模型的训练和调整,和获得模型用于自动检测脑动脉瘤。 结果。5倍交叉验证用于内部训练集和测试集,和一个的敏感性 94.4 ± 1.1 % 获得了。自动检测动脉瘤进行外部测试集,和假阳性率平均为0.86 FPs / case(假阳性/ case)。由此产生的敏感性为82.9%。外部测试集的分类比较表明,该方法的灵敏度检测动脉瘤大小为5.00 ~ < 10.00毫米和≥10.00毫米(88.2%和100.0%)高于动脉瘤的大小< 3.00毫米和3.00 ~ < 5.00毫米(50.0%和72.7%)。50 - 60岁患者的敏感性和> 60岁(90.0%和87.5%)高于病人年龄< 50年(66.7%),和几乎没有区别不同性别(男性81.8%,女性84.6%)。 结论。深入学习算法具有较高的诊断性能检测颅内动脉瘤,由外部验证数据集。SN - 0161 - 0457 UR - https://doi.org/10.1155/2022/8485651 - 10.1155 / 2022/8485651摩根富林明扫描PB - Hindawi KW - ER