面向经颅彩色多普勒的实时脑血管分割的注意力增强型小波 YOLO 系统
图像与视频处理
2025-12-04 v2 人工智能
计算机视觉与模式识别
摘要
Circle of Willis (CoW) 是确保大脑血流持续的关键结构,与脑卒中相关。准确评估 CoW 对识别危险人群并制定恰当的临床管理措施至关重要。虽然已有多种影像方法,但经颅彩色多普勒 (TCCD) 因无辐射、经济实惠且易于获取等优势而独具优势。然而,可靠的 TCCD 评估高度依赖操作员在识别解剖标志物和进行准确角度校正方面的专业技能,这限制了其广泛应用。为此,本文提出一种由 AI 驱动的、实时的 CoW 自动分割系统,可高效捕获脑部血管。目前尚无研究探索基于 TCCD 的 AI 驱动血管分割。本文引入一种专为 TCCD 数据设计的注意力增强型小波 YOLO (AAW-YOLO) 网络,旨�为 CoW 中的脑血管分割提供实时指导。我们获准收集了 738 幅带注释帧和 3419 条标记血管实例的 TCCD 数据,以建立高质量的数据集用于模型训练和评估。所提出的 AAW-YOLO 在分割 CoW 的 ipsilateral 和 contralateral 血管方面表现优异,平均 Dice 得分为 0.901,IoU 为 0.823,精确率为 0.882,召回率为 0.926,mAP 为 0.953,每帧推理速度为 14.199 毫秒。该系统为减少 TCCD 基于脑血管筛查中对操作员经验的依赖提供了实用方案,并具有潜在的应用前景,可用于常规临床工作流程和资源受限的环境。未来的研究将探索双侧建模和更大规模的验证。
引用
@article{arxiv.2508.13875,
title = {A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler},
author = {Wenxuan Zhang and Shuai Li and Xinyi Wang and Yu Sun and Hongyu Kang and Pui Yuk Chryste Wan and Jing Qin and Yuanpeng Zhang and Yong-Ping Zheng and Sai-Kit Lam},
journal= {arXiv preprint arXiv:2508.13875},
year = {2025}
}