KOMPLEKSOWE BADANIE: WYKRYWANIE TĘTNIAKA WEWNĄTRZCZASZKOWEGO ZA POMOCĄ HYBRYDOWEGO GŁĘBOKIEGO UCZENIA SIĘ VGG16-DENSENET NA OBRAZACH DSA

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.