用于自动脑动脉瘤解剖学 landmarks 检测的两阶段神经网络
计算机视觉与模式识别
2025-07-04 v1 人工智能
摘要
内颅动脉瘤（ICA）通常发生在 Circle of Willis（CoW）的特定段落，主要是十三个主要的动脉分叉处。对这些关键解剖学的精准检测对于及时高效的诊断至关重要。我们引入一种用于 CoW 分叉的全自动解剖学 landmarks 检测方法，采用两阶段神经网络流程。初始阶段使用目标检测网络识别靠近 landmarks 位置的感兴趣区域（ROIs）。随后，利用带深度监督的修改 U-Net 对分叉进行精确定位。该两阶段方法减少了各种问题，例如在处理完整 MRA Time-of-Flight（TOF）时，由于两个 landmarks 彼此靠近且视觉特征相似导致的漏检。此外，它考虑到了 CoW 的解剖可变性，这会影响每个扫描可检测的 landmarks 数量。我们使用两个脑脊髓 MRA 数据集进行评估：一个为本实验室数据集，包含可变数量的 landmarks；另一个为公开数据集，具有标准化的 landmarks 配置。我们的实验结果表明，该方法在分叉检测任务中实现了最高水平的性能。
引用
@article{arxiv.2507.02349,
title = {Two-Steps Neural Networks for an Automated Cerebrovascular Landmark Detection},
author = {Rafic Nader and Vincent L'Allinec and Romain Bourcier and Florent Autrusseau},
journal= {arXiv preprint arXiv:2507.02349},
year = {2025}
}