开发一种使用头部CT侦察图像的新体重估计方法

科学领域:

• 放射学和医学成像学 医学成像学
• 医疗保健中的人工智能
• 紧急医疗 紧急医疗

背景情况:

• 准确的患者体重对于安全有效的成像检查至关重要,特别是在诊断急性缺血性中风时.
• 传统的体重测量在紧急情况下可能具有挑战性和耗时.
• 头部计算机断层扫描 (CT) 侦察图像提供了一个快速体重估计的潜在来源.

研究的目的:

• 开发和评估一种使用头部CT扫描图像估计体重的新方法.
• 为了促进对比度增强的CT检查,急性缺血性中风患者当直接体重测量是困难的.

主要方法:

• 研究了三种重量估计技术:来自头部CT侦察图像的总像素值,Xception深度学习模型,以及这两种方法的平均值.
• 在Xception模型中,使用216张图像进行了训练,并进行了交叉验证.
• 主要关注的是组合 (平均) 重量估计方法的准确性.

主要成果:

• 新的组合方法实现了中等准确性,其95%的置信区间为±14.7公斤.
• 像素值方法的间隔较宽 (±20.6公斤),深度学习方法的间隔为±16.3公斤.
• 与单个方法相比,综合方法显示出更高的性能.

结论:

• 开发的重量估计方法,平均两个技术,作为一个有价值的支持工具,医疗人员在紧急情况下.
• 它可以为患有急性疾病 (如中风) 的患者提供快速和可行的体重估计,在这种情况下,可能无法轻松获得准确的测量.
• 这种技术可以提高诊断成像在重症监护场景的安全性和效率.