magnetic resonance angiography
PulseAugur coverage of magnetic resonance angiography — every cluster mentioning magnetic resonance angiography across labs, papers, and developer communities, ranked by signal.
-
新的MID指标评估医学图像分割分布
研究人员引入了MID（掩码-图像分布散度），一种用于医学图像分割的新型评估指标，它在分布层面而非样本层面进行比较。该新指标即使在无标签数据上也能评估分割质量，并验证预测掩码是否与真实标签群体的分布结构一致。MID已在13个公共数据集上进行了评估，并证明其能够跟踪Dice和Hausdorff距离等传统指标，同时还能识别分布偏移和图像-掩码不对齐。
-
推出新的数据集以支持人工智能驱动的颅内动脉瘤检测 · 跟踪1个来源
北美放射学会（RSNA）与多家其他医学协会合作，整理了RSNA颅内动脉瘤（RSNA-ICA）数据集。该大型公开数据集包含专家标注，由来自全球21家机构的4278名患者的7202个影像系列组成。它包括计算机断层扫描血管造影、磁共振血管造影和磁共振成像数据，重点在于检测和定位颅内动脉瘤。该数据集已用于2025年RSNA颅内动脉瘤检测挑战赛，并可用于非商业研究，以推进基于人工智能的动脉瘤检测。
-
AI框架增强颅内动脉瘤检测和分割 · arXiv论文
研究人员开发了一种新颖的多任务学习框架，用于颅内动脉瘤的分类和分割。该框架同时对13个解剖位置和四种成像模态的动脉瘤和血管进行多标签分类和多类别分割。该系统结合了2D三轴感兴趣区域提取和3D nnU-Net骨干网络，在RSNA 2025颅内动脉瘤检测挑战赛中获得第二名。该方法的代码和模型权重均公开可用。
-
新的AC2RUNet模型提高了动脉环分割的准确性
研究人员开发了一种名为AC2RUNet的新型U-Net架构，以改进对MRA扫描中的动脉环进行分割。该模型解决了血管拓扑复杂和碎片化带来的挑战，这些问题通常会导致标准CNN出现血管断裂伪影。AC2RUNet采用双流方法，将静态解剖特征提取与动态拓扑误差细化分开，并利用课程学习策略来改善拓扑连通性。