颅内动脉瘤的检测和分割方法很多,但都是基于血管增强影像(CTA/MRA/DSA)实现的。临床诊疗流程中,由于患者主诉及医师的水平可能会导致部分患者没有进行血管增强影像,从而导致动脉瘤的漏诊。而T1数据作为最常用的序列,在T1上实现分割会减少漏诊。创新性的设计了颅内动脉瘤自适应选择算法实现颅内动脉瘤及标签的智能提取,应用三个深度学习模型实现从不同大小/形状各异/对比度低等情况下实现分割,设计了模型集合方法实现了三个模型的结合,在减小假阳性的基础上提升了灵敏度。与血管增强方法对比,本研究使用非增强T1图像实现了相当的性能。