基于MSDL-Swin UNETR的颅内动脉多分支自动分割方法

摘要

颅内动脉各分支的精准分割对于颅内动脉瘤的定位与治疗至关重要。针对颅内动脉各分支形状大小和空间位置不同以及各动脉分支特征容易受到其余组织干扰等问题，本文基于时间飞跃磁共振血管造影，提出了一个颅内动脉多分支自动分割模型(MSDL-Swin UNETR)。首先，该模型在编码器引入本文设计的DLSA模块，突出了各动脉分支的空间位置及其与周围组织的解剖关系；其次，在跳跃连接处引入MLKA模块，进一步强化了各动脉分支的多尺度特征；最后，本文在合作的三甲医院提供的TOF-MRA数据集上进行验证实验。实验结果表明，该模型在所有动脉分支上的平均Dice系数为82.53%、平均豪斯多夫距离为30.84 mm,在这两个评价指标上均优于3D U-Net、3D Res U-Net和UNETR等模型。本文方法能够将颅内动脉划分为6个主要分支，可以帮助医生对相应动脉分支的疾病进行诊断，分析血管异常，制定手术方案。

关键词

颅内动脉 / 时间飞跃磁共振血管造影(TOF-MRA) / MSDL-Swin UNETR / 自动分割