基于深度学习推荐弹簧圈栓塞高风险动脉瘤方法

摘要

本公开实施例公开了基于深度学习推荐弹簧圈栓塞高风险动脉瘤方法。具体包括以下方法：在CAT上获取DICOM格式的待处理动脉瘤医学影像数据，并将DICOM格式的待处理动脉瘤医学影像转换为NII.GZ格式的待预测动脉瘤医学影像；通过UN‑Net的20层神经网络训练对动脉瘤医学影像中的载瘤动脉图像和动脉瘤图像进行重建和分割，得到动脉瘤识别算法；通过UP3预设路径规划的动脉瘤识别算法输入，获取弹簧圈的规格；通过UP3预设路径规划模拟弹簧圈栓塞过程；通过UP3预设路径规划的动脉瘤识别算法生成弹簧圈的3D表面模型，生成预测弹簧圈。本申请解决了现有的血管内栓塞技术存在在栓塞治疗时无法做到完全栓塞和致密栓塞，以及错误的选择弹簧圈后导致的动脉瘤残留的问题。