基于深度学习的全卷积神经网络图像分割算法在脑部动脉瘤CT血管成像特征提取中的应用效果

摘要

目的:探讨深度学习下的全卷积神经网络图像分割算法在处理脑部动脉瘤CT血管成像(CTA)特征提取中的应用效果。方法:选取2023年1月—2025年12月于保定市第二医院治疗的80例脑部动脉瘤患者,并收集其CTA原始DICOM格式数据。将患者按照随机数字表法分为对照组(40例)和观察组(40例),对照组运用传统的区域生长算法对影像资料进行分割以及特征提取,观察组则运用深度学习下的全卷积神经网络图像分割算法进行分割以及特征提取,比较两组分割正确率、Dice相似系数、平均分割耗时、动脉瘤形状特征提取精确度以及中央处理器(CPU)和内存占用情况。结果:观察组分割准确率(94.38±3.52)%高于对照组(85.25±6.38)%,Dice相似系数高于对照组,平均分割时间短于对照组,瘤颈宽度及最大直径的测量误差均低于对照组(P<0.05);两组CPU占用率及峰值内存使用量比较,差异无统计学意义(P>0.05)。结论:基于深度学习的图像分割算法对脑部动脉瘤CTA影像的特征获取能力优于传统的区域生长算法,能提供更高的精度及速度用于临床辅助诊断。

关键词

深度学习 / 全卷积神经网络 / 图像分割 / CT血管成像 / 脑部动脉瘤