伪三维残余网络的应用,用于分类莫亚莫亚病的阶段
1School of Health Science & Engineering, University of Shanghai for Science & Technology, Shanghai 200093, China.
Brain sciences
|May 27, 2023
概括
一个新的伪三维残留网络 (P3D ResNet) 准确地识别了使用数字减去血管学 (DSA) 扫描的莫亚莫亚病 (MMD) 阶段. 这种人工智能方法达到95.78%的准确性,有助于及时的临床评估和患者护理.
科学领域:
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
- 神经学 神经学
背景情况:
- 准确及时评估莫亚莫亚病 (MMD) 对于预防危及生命的并发症至关重要.
- 数字减去血管学 (DSA) 是评估MMD进展的关键成像模式.
研究的目的:
- 开发和验证一种新的深度学习模型,用于使用DSA序列的自动化MMD分期.
- 提高MMD诊断在临床环境中的准确性和效率.
主要方法:
- 一个伪三维残余网络 (P3D ResNet) 被设计用于处理来自DSA序列的空间和时间信息.
- 在空间和时间领域使用脱的3D扩展卷曲来增强特征提取.
- 增强了DSA数据,并将其分为训练,验证和测试集 (6:2:2比) 用于模型开发和评估.
主要成果:
- 该P3D ResNet模型在识别MMD阶段 (轻度,中度,重度) 中获得了95.78%的高精度.
- 该模型展示了DSA图像中的空间和时间特征的高效处理.
- 建筑有效地增加了接收场,同时保留了船只的特征.
结论:
- 拟议的P3D ResNet提供了一个高度准确和临床可行的MMD分期方法.
- 这种人工智能驱动的方法可以显著帮助临床医生迅速和精确地评估莫亚莫亚病.
- 通过早期和准确的诊断,P3D ResNet显示出改善患者结果的希望.
