基于深度學習的腦血管分割方法研究

聞 亮，孫 暉，鄒 正，梁國標*

（1.北部戰區總醫院神經外科，沈陽 110840；2.中國醫科大學，沈陽 110122；3.東北大學信息科學與工程學院，沈陽 110819）

0 引言

大腦是人類身體中最重要的器官，腦血管作為大腦的主要供血器官，影響大腦的新陳代謝和腦細胞的供養，因此對人體健康的重要性不言而喻。腦血管疾病泛指腦血管的各種疾病，包括腦動脈損傷、血管瘤、腦血栓等，是由于不同部位的腦血管病理變化引起大腦血液循環障礙，從而形成疾病。其致死率、致殘率遠高于癌癥，發病率占神經系統住院總例數的1/4～1/2[1]。腦血管疾病已經成為威脅我國人民健康的常見病，其在各個年齡段均可發病，近年來的發病率隨年齡的增加不斷增高[2]。腦血管狀態是預防和治療腦血管疾病的一個極具潛力的生物標志物[3]。因此，掌握腦部血管的結構對于患者的健康狀態判斷及后續治療具有很大的幫助。

在過去的幾十年中，腦血管分割主要基于活動輪廓模型[4]、閾值化分割、參數統計等傳統分割方法[5]。隨著互聯網技術的發展和計算機硬件水平的提高，機器學習和深度學習等人工智能技術逐漸用于醫學影像學領域[6]，尤其是在醫學圖像的臟器分割任務中取得了不錯的效果。在腦血管分割領域出現了許多新的方法，如基于U-Net 的方法分割磁共振時間飛行全影像（time-of-flight magnetic resonance angiography，TOF-MRA）中的腦血管[7]，基于3D U-Net 的方法分割腦部TOF-MRA 圖像中的小血管[8]，基于全局通道注意力網絡（global channel attention networks，GCA-Net）的方法[9]提取微小血管、改善分割效果等。上述……