结合RPN和解剖信息的脑微出血精准检测与定位方法

本发明公开了一种结合RPN（区域候选网络）和解剖信息的脑微出血精准检测与定位方法，由首都医科大学附属北京天坛医院的刘鹏、刘清源、蒋佳、桂思铭等人提出。该方法基于深度学习模型，包括候选区域检测模块和解剖定位模块。通过获取同一患者的脑部图像，利用候选区域检测模块识别出至少一个脑微出血候选区域，并通过解剖定位模块识别出至少一个脑部解剖区域。随后，计算各候选区域与相交解剖区域的空间重叠度和结构特征相似度，根据这些指标及预设阈值调整候选区域的置信度，从而降低假阳性率并提高检测效率。此方法解决了现有手动检测效率低、主观性强以及传统自动化方法难以准确区分CMBs和类似物的问题，为脑微出血的早期诊断和治疗提供了重要支持。