机器学习模型的开发,用于选择第一个线圈,用于通过线圈栓塞治疗脑动脉瘤

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 线圈栓塞是脑动脉瘤的关键治疗方法.
• 选择合适的第一线圈对于成功栓塞至关重要.
• 目前的选择方法具有挑战性,特别是对于缺乏经验的神经外科医生来说.

研究的目的:

• 开发一个机器学习模型 (MLM) 来预测最佳的第一线圈大小和长度.
• 提高脑动脉瘤治疗中第一线圈选择的准确性和效率.

主要方法:

• 在成功的线圈栓塞程序的数据上训练了一种机器学习模型.
• 该模型学习了患者和动脉瘤的特征,以预测最佳的线圈参数.
• 在测试数据上评估模型性能,并与神经外科医生选择进行比较.

主要成果:

• 对于线圈大小,MLM的准确率为86.3%,对于线圈长度预测,准确率为83.4%.
• 在30个病例中,与两个神经外科医生相比,MLM表现出强大的预测性能.
• 该模型显示,对经验较少的神经外科医生有特别的好处.

结论:

• 开发的MLM可以帮助神经外科医生选择适合的大脑动脉瘤的第一线圈.
• 这种人工智能工具有可能提高治疗效率并降低成本.
• 瘤治疗提供了有价值的帮助,以改善动脉瘤治疗患者的结果.