公开(公告)号：CN116452486A

公开(公告)日：2023-07-18

申请号：CN202210013163.8

申请日：2022-01-07

Applicant: 上海交通大学

Inventor： 马瑞 ,  涂仕奎 ,  李培莹 ,  周甲丰 ,  杨运俊 ,  赵兵 ,  万杰清 ,  徐雷

IPC: G06T7/00 ,  G06T17/00 ,  G06T19/20

Abstract: 本发明提供一种颅内动脉瘤检测方法，包括：对从原始CTA数据提取出骨头和血管部分进行三维重建，获得三维头颅模型；将所述三维头颅模型进行六维切割及投影，获得六组二维图片；检测所述六组二维图片，得到不同方位的动脉瘤的二维位置；融合所述动脉瘤的二维位置，确定三维空间中动脉瘤的位置。本发明通过头骨和血管的三维重建，强化了动脉瘤的特征，使得动脉瘤易于被目标检测模型识别，进一步提高了动脉瘤检测的成功率，并且通过将只包含动脉瘤的小块送入分割模型，相对于直接将所有的CTA数据送入分割模型降低了数据分布的不平衡性，提高了动脉瘤分割的精度。

公开(公告)号：CN117789974A

公开(公告)日：2024-03-29

申请号：CN202211143242.7

申请日：2022-09-20

Applicant: 上海交通大学

Inventor： 刘永昌 ,  李培莹 ,  涂仕奎 ,  周甲丰 ,  赵兵 ,  徐雷

IPC: G16H50/30 ,  G06V10/80 ,  G06V10/82 ,  G06V10/25 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/0455

Abstract: 本发明提供一种基于深度神经网络的颅内动脉瘤破裂风险预测方法，包括：从原始CTA图像中以动脉瘤为中心切割两个不同邻域范围的立方体并进行预处理；将预处理前、后的立方体输入卷积神经网络提取三维特征图；将所述三维特征图分块并线性映射，得到嵌入序列；将所述嵌入序列输入Transformer编码器得到动脉瘤的形态学特征；将所述形态学特征与额外的辅助特征融合并预测破裂风险。本发明通过提取动脉瘤不同邻域范围的信息综合考虑不同尺寸的动脉瘤，通过预处理使得深度神经网络更加关注感兴趣的区域，即动脉瘤和载瘤动脉，使用Transformer建立动脉瘤与周围组织之间的全局依赖关系，并且融合辅助特征进一步提高模型的预测性能。