辽宁师范大学：AOFNet：一种基于解剖组学特征的新型脑出血分割网络
论论资讯 ｜ 2024-04-29 ｜
54热度
Biomedical Signal Processing and Control
Explore content
About the journal
Publish with us
AOFNet: A novel cerebral hemorrhage segmentation network based on anatomical-omics feature
Fang L.; Jiang Y.; Zhu K.; Liu Y.
Published：2024-08-01
DOI：10.1016/j.bspc.2024.106317
研究背景
社会上，脑出血是一种快速发作且病死率高的出血性脑血管疾病。通过颅内CT扫描进行出血区域的分割一直是一个挑战，因为大脑中的出血区域背景复杂，与其他组织的边界模糊。这个问题一直困扰着医学界。
研究内容
一篇发表在《生物医学信号处理与控制》期刊的论文提出了一种新颖的图像分割网络，名为AOFNet，基于解剖组学特征。该网络实现了对脑出血的精确分割。研究中提出的网络融合了一个解剖组学特征（AOF）关注模块和一个编码-解码采样骨干。通过使用连续CT脑片数据集作为实验基础，与一些代表性模型进行比较后，本文提出的方法表现出色，精度、准确度和Dice系数的均值分别为0.945、0.986和0.957。这种新模型有效地解决了不规则形状、复杂连接到颅骨的病变分割问题，可辅助医生在临床诊断脑出血和理解疾病进展方面发挥作用。
研究意义
这项研究的创新之处在于提出了一种新的脑出血分割方法，为医生提供了更精确的诊断工具，有助于理解疾病的发展。这将在未来的医学实践中发挥重要作用，为改善脑出血患者的诊疗提供新思路。
这篇论文展示了在医学影像领域中的一项重要进展，为解决脑出血诊断中的难题提供了新的思路和方法。希望这项研究能够为相关领域的科研工作者和医学专家提供启示，推动医学影像技术的发展。
学术热榜
查看全部
相关资讯
换一批