一个自动的DWI/FLAIR不匹配评估中风患者的评估
Jacob Johansen1,2, Cecilie Mørck Offersen3,4, Jonathan Frederik Carlsen3,4
1Department of Computer Science, University of Copenhagen, 2100 Copenhagen, Denmark.
Diagnostics (Basel, Switzerland)
|January 11, 2024
概括
一种用于细分中风病变的自动化方法改善了在缺血性中风患者中DWI/FLAIR不匹配评估. 这种方法为复合组织类型等离子体激活剂 (r-tPA) 的资格提供了持续的,客观的评估,减少了临床环境中的变化.
科学领域:
- 医疗成像医学成像
- 神经学 神经学
- 人工智能在医学中的应用
背景情况:
- 扩散权重成像 (DWI) 和FLAIRMRI对于缺血性中风的评估至关重要.
- DWI/FLAIR不匹配有助于确定适用于复合组织类型等离子体激活剂 (r-tPA) 治疗的资格.
- 目前的不匹配评估面临着二进制分类和观察者间主观性的挑战.
研究的目的:
- 开发一种自动化方法,在FLAIR图像上对对细胞超强度进行细分.
- 为了实现自动和持续的DWI/FLAIR不匹配评估.
- 为了减少临床中风评估中的主观性和可变性.
主要方法:
- 一个简单的,自动的图像分割算法用于FLAIR超强度.
- 自动细分与神经放射学家使用DICE分数进行评估的定量比较.
- 对超参数变化的方法稳定性的评估以及与临床数据的相关性.
主要成果:
- 自动细分实现了与神经放射学家 (DICE 0.856) 相比的可比的评审者间协议 (DICE 0.820).
- 该方法证明了对超参数选择的稳定性,表明了良好的概括性.
- 持续的DWI/FLAIR不匹配评估与唤醒中风患者的临床评估相关.
结论:
- 拟议的自动化细分方法有效量化了缺血性中风中的对细胞超强度.
- 这种技术有可能在临床DWI/FLAIR不匹配评估中减少观察者间的变异性.
- 它为当前的二元评估提供了一个连续的,客观的替代方案,帮助r-tPA处理决策.
