CT图像中血管性脑白质病变检测
图像与视频处理
2025-01-20 v1 计算机视觉与模式识别
摘要
人工智能（AI）在医疗领域的应用近年来迎来了显著增长，本研究探讨了AI在诊断脑白质病变中的作用，这是一种脑血管疾病，是血管性痴呆和出血性中风的主要原因。我们利用约1200名患者的轴向脑CT扫描数据集训练卷积神经网络（CNN）用于二分类疾病诊断。针对由于不同患者生理特征导致的扫描尺寸差异问题，我们处理数据至统一尺寸，并应用三种预处理方法以提高模型准确率。我们比较了四种神经网络架构：ResNet50、ResNet50 3D、ConvNext和Densenet。ConvNext模型在无任何预处理情况下实现了最高的98.5%准确率，优于采用3D卷积的模型。为深入了解模型决策过程，我们实现了Grad-CAM热力图，突出了模型在扫描图像上的关注区域。我们的结果表明，AI，特别是ConvNext架构，能够显著提高脑白质病变的诊断准确性。本研究强调了AI在脑疾病诊断方法学中的潜力，并凸显了CNN在医学影像中的有效性。
引用
@article{arxiv.2501.09863,
title = {Detection of Vascular Leukoencephalopathy in CT Images},
author = {Z. Cernekova and V. Sisik and F. Jafari},
journal= {arXiv preprint arXiv:2501.09863},
year = {2025}
}