Oct, 2023

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

PDF
TL;DR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。
ctacontrast agentmodelhemodynamicsct data processing
发现论文，激发创造
  • 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

  • 基于物理信息学的时间分辨血管造影荧光剂浓度重建

    通过训练基于神经网络的模型，并结合血液流动模拟数据集，我们的方法可以重建血管内对比剂在时间和空间上的浓度变化，具有很高的准确性和鲁棒性。

    Mar, 2024

  • 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

    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。

    Oct, 2023

  • 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

  • 使用稳定扩散模型合成类型 - B 主动脉夹层的 CTA 图像数据

    利用稳定扩散模型基于用户定义的文本提示微调，仅通过有限数量的 CTA 图像作为输入，探索生成合成心脏 CTA 图像的可能性，并通过定量分析和定性评估进行了综合评估，结果表明使用 Text to Image (T2I) 稳定扩散模型调优后能够成功生成具有典型急性 B 型主动脉夹层（TBAD）医疗条件独特特征的心脏 CTA 图像。

    Feb, 2024

  • 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

  • UDCR：无监督主动学习和重叠度计算进行的主动导管行雷管 DSA/CTA 刚性配准

    本文提出了一种基于深度强化学习的无监督的主动血管 DSA/CTA 刚性配准方法 UDCR，通过重叠度计算奖励函数来衡量分割图与 DSA 图像之间的配准准确性，该方法具有高度灵活性，可用于临床应用。

    Mar, 2024

  • Voxel2Hemodynamics：一种端到端的深度学习方法，用于预测冠状动脉血液动力学

    本文提出了一种基于深度学习的框架，利用计算机辅助技术快速准确地进行冠状动脉血液动力学分析， 通过迭代学习算法可以用 CCTA 图像预测冠状动脉的血液动力学分布，并与计算流体动力学分析结果相吻合，为冠状动脉疾病发展的机制揭示提供新思路。

    May, 2023