使用一种新颖 GraphNet 方法从三维表面检测颅内动脉瘤破裂
图像与视频处理
2019-10-21 v1 计算机视觉与模式识别
摘要
颅内动脉瘤（IA）若破裂并引起脑出血，是人体内一种危及生命的血肿。从医学图像中检测 IA 是否破裂具有挑战性。在本文中，我们提出一种名为 GraphNet 的基于图的神经网络，用于从三维表面数据检测 IA 破裂。GraphNet 基于图卷积网络（GCN），设计用于图级分类和节点级分割。该网络使用 GCN 块提取表面局部特征并池化为全局特征。从临床收集了 1250 例患者数据，包括 385 例破裂和 865 例未破裂 IA 用于实验。报告了在随机选取的 234 例测试患者数据上的性能。所提 GraphNet 的实验在分类任务中达到 0.82 的准确率和 0.82 的受试者工作特征（ROC）曲线下面积（AUC），显著优于不使用基于图的网络的基线方法。模型的分割输出达到了基于图节点的平均 Dice 系数（DSC）得分 0.88。
引用
@article{arxiv.1910.08375,
title = {Detecting intracranial aneurysm rupture from 3D surfaces using a novel GraphNet approach},
author = {Z. Ma and L. Song and X. Feng and G. Yang and W. Zhu and J. Liu and Y. Zhang and X. Yang and Y. Yin},
journal= {arXiv preprint arXiv:1910.08375},
year = {2019}
}
备注
Submitted to ISBI 2020