基于卷积神经网络的脑卒中病灶检测

脑卒中是一种影响脑组织的损伤，主要由大脑特定区域的血液供应变化引起。其后果可能导致该区域所关联的特定功能下降，从而降低患者的生活质量。在本研究中，我们采用卷积神经网络（Convolutional Neural Networks, CNN）并结合粒子群优化算法（Particle Swarm Optimization, PSO）对模型进行优化，以实现对计算机断层扫描（Computed Tomography, CT）图像中脑卒中的检测。研究中考虑了两种主要类型的脑卒中：缺血性卒中与出血性卒中，并公开了一个用于推动脑卒中检测相关研究的公共数据集。该数据集为每类卒中提供了三种不同类型的图像：原始CT图像、颅骨分割后的图像，以及放射密度分布图。实验结果表明，CNN在脑卒中检测任务中具有良好的适用性，取得了具有前景的识别效果。