コンピュータトモグラフィによる脳波の強固な定量化 パルフージョン: ディープラーニングと単数値分解を組み合わせたハイブリッドアプローチ

科学分野:

• 神経イメージング
• 医療における人工知能
• ストロークイメージング

背景:

• 急性性不全性脳卒中 (AIS) の影響を受けた脳組織の正確な体積評価は,治療決定に極めて重要です.
• コンピュータ断層撮影 (CTP) 分析のための商用ソフトウェアには,画像品質による変動性を含む制限があります.
• 既存の方法では,心臓発作の核と半影を十分に予測できない可能性があります.

研究 の 目的:

• CTPを使用したAISにおける影響を受けた脳容量の正確で堅固な体積推定のためのハイブリッド深層学習 (DL) と機械学習 (ML) モデルを開発し,検証する.
• 提案されたハイブリッドモデルのパフォーマンスを,主要な商用ソフトウェアソリューション (RapidAI) と比較する.

主な方法:

• 単数値分解 (SVD),DL (CNN),MLを統合したハイブリッドアプローチが開発されました.
• CNNのモデルは AIS患者の449のCTP画像から 8つの血管の特徴を予測しました
• SVDベースの方法は, perfusion map を生成し,結果はコンコンダンス相関係数 (CCC) と精度メトリックを使用して RapidAI と比較されました.

主要な成果:

• CNNモデルは,容器の局所化の平均ユークリッド距離誤差 4.63 ± 2.00 mm を達成した.
• ハイブリッドモデルは,脳血流量 (CBF) の0. 905とTmaxの0. 879のスコアを達成し,ML以外のバージョンを上回りました.
• ハイブリッドモデルの全体的なデータ評価精度は0.8に達した.

結論:

• 提案されたハイブリッドDLとMLモデルは,AISのCTP分析における強固で正確な測定方法を提供します.
• このアプローチは,現在の商用ソフトウェアと比較して性能と強度が向上し,臨床意思決定を潜在的に強化しています.