【摘要】目的：探讨深度学习下的全卷积神经网络图像分割算法在处理脑部动脉瘤 CT 血管成像（CTA）特征提取中的应用效果。方法：选 取 2023 年 1 月—2025 年 12 月于保定市第二医院治疗的 80 例脑部动脉瘤患者，并收集其 CTA 原始 DICOM 格式数据。将患者按照随机数字 表法分为对照组（40 例）和观察组（40 例），对照组运用传统的区域生长算法对影像资料进行分割以及特征提取，观察组则运用深度学习 下的全卷积神经网络图像分割算法进行分割以及特征提取，比较两组分割正确率、Dice 相似系数、平均分割耗时、动脉瘤形状特征提取精确 度以及中央处理器（CPU）和内存占用情况。结果：观察组分割准确率（94.38±3.52）% 高于对照组（85.25±6.38）%，Dice 相似系数高于对 照组，平均分割时间短于对照组，瘤颈宽度及最大直径的测量误差均低于对照组（P ＜ 0.05）；两组 CPU 占用率及峰值内存使用量比较，差 异无统计学意义（P ＞ 0.05）。结论：基于深度学习的图像分割算法对脑部动脉瘤 CTA 影像的特征获取能力优于传统的区域生长算法，能提 供更高的精度及速度用于临床辅助诊断。
【关键词】深度学习；全卷积神经网络；图像分割；CT 血管成像；脑部动脉瘤