顱內(nèi)動脈瘤的檢測和分割方法很多,但都是基于血管增強(qiáng)影像(CTA/MRA/DSA)實(shí)現(xiàn)的。臨床診療流程中,由于患者主訴及醫(yī)師的水平可能會導(dǎo)致部分患者沒有進(jìn)行血管增強(qiáng)影像,從而導(dǎo)致動脈瘤的漏診。而T1數(shù)據(jù)作為最常用的序列,在T1上實(shí)現(xiàn)分割會減少漏診。創(chuàng)新性的設(shè)計了顱內(nèi)動脈瘤自適應(yīng)選擇算法實(shí)現(xiàn)顱內(nèi)動脈瘤及標(biāo)簽的智能提取,應(yīng)用三個深度學(xué)習(xí)模型實(shí)現(xiàn)從不同大小/形狀各異/對比度低等情況下實(shí)現(xiàn)分割,設(shè)計了模型集合方法實(shí)現(xiàn)了三個模型的結(jié)合,在減小假陽性的基礎(chǔ)上提升了靈敏度。與血管增強(qiáng)方法對比,本研究使用非增強(qiáng)T1圖像實(shí)現(xiàn)了相當(dāng)?shù)男阅堋?