DeepVox 和 SAVE-CT：一种对比度和剂量无关的三维深度学习方法，用于胸部主动脉分割和动脉瘤预测的计算机断层扫描

Oct, 2023

DeepVox 和 SAVE-CT：一种对比度和剂量无关的三维深度学习方法，用于胸部主动脉分割和动脉瘤预测的计算机断层扫描

DeepVox and SAVE-CT: a contrast- and dose-independent 3D deep learning approach for thoracic aorta segmentation and aneurysm prediction using computed tomography scans

PDF

Matheus del-Valle, Lariza Laura de Oliveira, Henrique Cursino Vieira, Henrique Min Ho Lee, Lucas Lembrança Pinheiro...

TL;DR这项研究探索了使用低剂量 CT 扫描和无对比剂加强 CT 扫描获得的图像进行自动化筛查、评估和分类的方法，开发了一种新型分割模型和 TAA 分类模型，可在不同条件下进行全自动的无对比剂和剂量独立的 TAA 评估，以减少患者的筛查时间和病理评估风险。

Abstract

thoracic aortic aneurysm (TAA) is a fatal disease which potentially leads to dissection or rupture through progressive enlargement of the aorta. It is usually asymptomatic and screening recommendation are limited. The gold-standard evaluation is performed by computed tomography angiogr

thoracic aortic aneurysm ct scans segmentation model taa classification model automated evaluation

发现论文，激发创造

DeepAAA：利用深度学习进行临床可应用和普适性的腹主动脉瘤检测

本研究提出了一种基于深度学习的技术，用于检测和量化腹主动脉瘤，该模型架构是一个改进的 3D U-Net 算法与椭圆拟合相结合，可用于主动脉分割和腹主动脉瘤检测，模型经过 321 个腹部 - 盆腔 CT 检查的训练和验证，在 57 个新的检查数据上也具备很高的性能。

Jul, 2019

基于 3D 卷积神经网络的腹主动脉瘤分割

本文提出了首个用于分割腹主动脉瘤的 3D 卷积神经网络，并成功地验证了其在诊断和评估方面的性能，该方法可自动量化主动脉瘤直径，开拓更复杂的主动脉瘤分析机会。

Mar, 2019

TransONet: 使用深度学习自动分割计算机断层扫描血管造影中的血管

通过提出基于深度学习模型的方法，可以高效且准确地分割 CTA 图像中与周围动脉疾病（PAD）手术相关的下行主动脉至髂分叉和下行主动脉至膝盖部分，为医学专业人员分析血管系统健康提供了有价值的工具。

Nov, 2023

使用深度完全卷积网络在 CT 扫描中分割主动脉血管树

采用两阶段的全卷积网络，在 CTA 扫描中准确自动地分割主动脉血管树，达到加速医学图像分析流程的目的，并在 2023 年 MICCAI 主动脉（SEG.A.）挑战赛中，使用公共数据集评估了该方法，取得了较高的 Dice 相似系数（0.920）、Jaccard 相似系数（0.861）、召回率（0.922）和精确度（0.926）的结果。

May, 2023

用于胸部 CT 中多器官分割的二维扩张残差 U-Net

本研究提出了一种深度学习框架，用于在胸部 CT 图像中分割器官的关键部分，包括心脏、食管、气管和主动脉，该方法采用扩张卷积和聚合残差连接，在网络的瓶颈处融入全局上下文和密集信息的 U-Net 风格网络，取得了 ISBI 2019 SegTHOR 挑战赛上 20 张未见过的测试样本中总的 Dice 得分为 91.57% 的优异表现。

May, 2019

腹主动脉瘤计算机断层扫描图像的近似方法与人工智能方法的比较

本研究评估了应用于腹主动脉瘤患者计算机断层扫描图像的两种方法：一种基于近似理论工具的确定性方法和一种基于人工智能的方法。两种方法均旨在分割基底 CT 图像，以提取主动脉血管的患区，为诊断该病理提供尿毒症造影剂的替代方案。实验结果定量和定性地比较了这两种方法的性能，表明两种模型均能得出准确的结果。

Jun, 2024

常规血管造影过程中腹主动脉 CT 密度的造影剂诱导决定性成分：概念验证研究

通过对公开可获得的 CTA 数据进行分析和拟合，提出了一个描述血管中动态对比剂行为的模型，该模型可以有助于个性化的对比剂建模、CTA 图像处理的改进，并为人工智能的合成 CT 训练数据的准备提供支持。

Oct, 2023

MICCAI SEG.A. 2023 挑战中的三维 CT 主动脉分割

利用图像学对主动脉进行筛查有助于早期发现和监测主动脉疾病。我们使用自动分割方法 Auto3DSeg，通过该方法在 3D CT 挑战赛中实现了平均 Dice 分数为 0.920 和 95th 百分位 Hausdorff 距离（HD95）为 6.013 的成绩，在 SEG.A.231 挑战中名列第一并获得了胜利。

Oct, 2023

基于高斯伪标签的形态学注意力深度监督在非对比 CT 腹主动脉分割中的应用

本研究通过引入基于高斯伪标签的 Morphological Attention（MA）技术，将其与传统的深度学习模型相结合，以在非对比度 CT 影像中分割腹主动脉的边界。通过此方法，保留了主动脉的形态特征，减轻了边界模糊性的负面影响，降低了过拟合的风险，并在实验中验证了其有效性。

Feb, 2024

胸腹部 CT 扫描中的肾脏异常分割

使用深度学习方法，我们提出了一种肾脏实质和肾脏异常的分割方法，以帮助临床医生识别和量化肾脏异常，如囊肿、病变、肿块、转移和原发肿瘤。我们的方法通过训练 215 例胸腹部增强 CT 扫描，其中一半扫描含有一个或多个异常，实现了肾脏异常的准确分割和肾脏实质的改进分割。最佳模型的 Dice 分数在测试集中表现优异，超过了独立人眼观察者的分数，表明计算机化方法在肾脏异常分割中有进一步改进的潜力。

Sep, 2023