Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: intracranial aneurysm

Sortuj według:

Ogranicz wyniki do:

A comprehensive study: intracranial aneurysm detection via VGG16-Densenet hybrid deep learning on DSA images

Mummaneni Sobhana, Ravi Sasi Tilak, Bodedla Jashwanth, Vemulapalli Sree Ram, Jagathapurao Kowshik Varma

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2024

T. 14, nr 1

105--110

An intracranial aneurysm is a swelling in a weak area of a brain artery. The main cause of aneurysm is high blood pressure, smoking, and head injury. A ruptured aneurysm is a serious medical emergency that can lead to coma and then death. A digital subtraction angiogram (DSA) is used to detect a brain aneurysm. A neurosurgeon carefully examines the scan to find the exact location of the aneurysm. A hybrid model has been proposed to detect these aneurysms accurately and quickly. Visual Geometry Group 16 (VGG16) and DenseNet are two deep-learning architectures used for image classification. Ensembling both models opens the possibility of using diversity in a robust and stable feature extraction. The model results assist in identifying the location of aneurysms, which are much less prone to false positives or false negatives. This integration of a deep learning-based architecture into medical practice holds great promise for the timely and accurate detection of aneurysms. The study encompasses 1654 DSA images from distinct patients, partitioned into 70% for training (1157 images) and 30% for testing (496 images). The ensembled model manifests an impressive accuracy of 95.38%, outperforming the respective accuracies of VGG16 (94.38%) and DenseNet (93.57%). Additionally, the ensembled model achieves a recall value of 0.8657, indicating its ability to correctly identify approximately 86.57% of true aneurysm cases out of all actual positive cases present in the dataset. Furthermore, when considering DenseNet individually, it attains a recall value of 0.8209, while VGG16 attains a recall value of 0.8642. These values demonstrate the sensitivity of each model to detecting aneurysms, with the ensemble model showcasing superior performance compared to its individual components.

Tętniak wewnątrzczaszkowy to obrzęk w słabym obszarze tętnicy mózgowej. Główną przyczyną tętniaka jest wysokie ciśnienie krwi, palenie tytoniu i uraz głowy. Pęknięcie tętniaka jest poważnym stanem nagłym, który może prowadzić do śpiączki, a następnie śmierci. W celu wykrycia tętniaka mózgu stosuje się cyfrową angiografię subtrakcyjną (DSA). Neurochirurg dokładnie bada skan, aby znaleźć dokładną lokalizację tętniaka. Zaproponowano model hybrydowy do dokładnego i szybkiego wykrywania tych tętniaków. Visual Geometry Group 16 (VGG16) i DenseNet to dwie architektury głębokiego uczenia wykorzystywane do klasyfikacji obrazów. Połączenie obu modeli otwiera możliwość wykorzystania różnorodności w solidnej i stabilnej ekstrakcji cech. Wyniki modelu pomagają w identyfikacji lokalizacji tętniaków, które są znacznie mniej podatne na fałszywie dodatnie lub fałszywie ujemne. Ta integracja architektury opartej na głębokim uczeniu się z praktyką medyczną jest bardzo obiecująca dla szybkiego i dokładnego wykrywania tętniaków. Badanie obejmuje 1654 obrazów DSA od różnych pacjentów, podzielonych na 70% do treningu (1157 obrazów) i 30% do testowania (496 obrazów). Złożony model wykazuje imponującą dokładność 95,38%, przewyższając odpowiednie dokładności VGG16 (94,38%) i DenseNet (93,57%). Dodatkowo, złożony model osiąga wartość pełności 0,8657, co wskazuje na jego zdolność do prawidłowej identyfikacji około 86,57% prawdziwych przypadków tętniaka spośród wszystkich rzeczywistych pozytywnych przypadków obecnych w zbiorze danych. Ponadto, biorąc pod uwagę DenseNet indywidualnie, osiąga on wartość pełności 0,8209, podczas gdy VGG16 osiąga wartość pełności 0,8642. Wartości te pokazują czułość każdego modelu w wykrywaniu tętniaków, przy czym model zespołowy wykazuje lepszą wydajność w porównaniu z jego poszczególnymi komponentami.

Fluid–structure interaction simulation for studying hemodynamics and rupture risk of patient-specific intracranial aneurysms

Chang Ruan, Qi Yu, Jingyuan Zhou, Xinying Ou, Yi Liu, Yu Chen

Acta of Bioengineering and Biomechanics

2023

Vol. 25, no. 3

The role of regional hemodynamics in intracranial aneurysms (IAs) hemodynamics and rupture risk has been widely discussed based on numerical models over the past decades. The aim of this paper is to investigate hemodynamics and rupture risk with a complicated IA model. Fluid-structure interaction (FSI) simulations were performed to quantify the hemodynamic characteristics of the established IA models. Hemodynamic parameters, including wall shear stress (WSS), flow velocity, and flow pattern, were calculated and analyzed. In this paper, the risk assessment of intracranial aneurysms focuses on the mechanical properties of blood flow and blood vessel walls. Vortex flow and concentrated impact field during blood flow play a decisive role in the rupture and development of aneurysms. The uneven distribution of wall shear stress on the vessel wall has a great influence on growth and rupture. By observing the simulation results of rigid walls, risks can be predicted efficiently and accurately. This paper focuses on the relationship between hemodynamics and rupture risk with a double intracranial aneurysms disease mode and provides a new perspective on the treatment of intracranial aneurysms.

Image segmentation on example of intracranial aneurysm. Its application to medical decision support system

Tomczak K.

Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika

2005

z. 28 [223]

207-212

This work presents the chosen existing segmentation methods and its role in experts system. The paper is focused on both basis and assumptions of a medical decision support system, which is expected to play an important role in indicating a solution in case of intracranial aneurysm. The primary problems of developing such a system are also mentioned.

Celem tej pracy jest opisanie podstaw systemu wspomagania decyzji, który powinien grać główną role w wykrywaniu i diagnozowaniu tętniaków wewnątrzczaszkowych. Praca ta opisuje wybrane metody segmentacji obrazów oraz ich przewidywaną rolę w stworzeniu systemu ekspertowego. Podstawowe problemy, w stworzeniu takiego systemu, zostały również przedstawione.