基于深度学习在脑部 CT 图像上识别出血与梗死病灶
图像与视频处理
2023-07-11 v1 计算机视觉与模式识别
摘要
头部非增强计算机断层扫描（NCCT）因其广泛可用性与快速性仍是首选的初级影像模态。然而，当前在头部 NCCT 扫描上手动标注异常脑组织的标准存在显著弊端，如缺乏截断标准化及退化识别。近期基于深度学习的计算机辅助诊断（CAD）模型在多学科领域的进展为神经医学影像创造了大量机遇。此前已有大量文献发表关于不同影像模态上脑组织的自动识别。然而，由于图像纹理、体积大小及扫描质量变异，判定颅内出血（ICH）与梗死可能颇具挑战。本回顾性验证研究评估了一种从头部 NCCT 扫描识别 ICH 与梗死的基于 DL 的算法。头部 NCCT 扫描数据集连续收集自印度多家诊断影像中心。该研究展示了此类基于 DL 的软件在大型医疗机构常规工作流中引入的潜力与局限。
引用
@article{arxiv.2307.04425,
title = {Identification of Hemorrhage and Infarct Lesions on Brain CT Images using Deep Learning},
author = {Arunkumar Govindarajan and Arjun Agarwal and Subhankar Chattoraj and Dennis Robert and Satish Golla and Ujjwal Upadhyay and Swetha Tanamala and Aarthi Govindarajan},
journal= {arXiv preprint arXiv:2307.04425},
year = {2023}
}