用于颅内动脉瘤检测与定位的 nnDetection
计算机视觉与模式识别
2023-05-24 v1 机器学习
定量方法
摘要
颅内动脉瘤是一种常见且危及生命的疾病，约影响普通人群的 3.2%。因此，检测这些动脉瘤在其诊治中起着关键作用。病灶检测涉及医学图像中异常的同时定位与分类。在本研究中，我们采用 nnDetection 框架——一个专为 3D 医学物体检测设计的自配置框架——来有效检测和定位动脉瘤的 3D 坐标。为捕获并提取与动脉瘤相关的多样特征，我们利用了来自 ADAM 数据集的 TOF-MRA 和结构 MRI。我们提出的深度学习模型的性能通过使用自由响应受试者工作特征进行评估。模型的权重和 TOF-MRA 边界框的 3D 预测公开于 https://github.com/orouskhani/AneurysmDetection。
引用
@article{arxiv.2305.13398,
title = {nnDetection for Intracranial Aneurysms Detection and Localization},
author = {Maysam Orouskhani and Negar Firoozeh and Shaojun Xia and Mahmud Mossa-Basha and Chengcheng Zhu},
journal= {arXiv preprint arXiv:2305.13398},
year = {2023}
}
备注
6 pages, 4 figures