基于卷积和循环神经网络的车动脉斑块肌 jellyfish 征分类

在颈动脉中，斑块可发展为局部的增高病灶。Jellyfish 征特征为斑块表面随血流脉动而波动，这是这些斑块的动态特征，近期引起广泛关注。检测该征象至关重要，因为它常与脑梗死相关。本文提出一种基于超声视频的Jellyfish 征分类方法，采用深度神经网络。该方法首先预处理颈动脉超声视频，以分离血管壁运动与斑块运动。然后将预处理后的视频与斑块表面信息结合，输入由卷积神经网络和循环神经网络组成的深度学习模型，以实现对Jellyfish 征的高效分类。该方法在200例患者的超声视频图像中进行了验证。消融研究表明了该方法各组件的有效性。