相关实验视频
Updated: Jul 30, 2026
09:42
A Fibrin-Enriched and tPA-Sensitive Photothrombotic Stroke Model
Published on: June 4, 2021
2.7K
在急性缺血性中风中,从计算机断层扫描血管图像中预测附带得分的姆模型
Valerio Fortunati1, Jiahang Su2, Lennard Wolff3
1Quantib BV, Rotterdam, Netherlands.
Frontiers in neuroimaging
|January 26, 2024
概括
这项研究引入了一种自动化方法,用于计算计算机断层扫描血管图像 (CTA) 的附带评分,以帮助治疗急性中风的决策. 开发的深度学习模型的性能与人类专家和传统方法相提并论.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 神经学 神经学
背景情况:
- 计算机断层扫描血管学 (CTA) 的附带评分对于急性中风治疗决策至关重要.
- 目前用于抵押品评分的方法可能耗时,并且受观察者之间的变化影响.
研究的目的:
- 从CTA图像开发和验证一个端到端的深度学习方法,用于自动确定CTA图像的担保得分.
- 评估在中风患者现有的功能性结果预测模型中自动化附带评分的实用性.
主要方法:
- 基于VoxResNet的罗卷积神经网络被用于特征提取和分类.
- 预先处理CTA图像,将其与图书馆对齐,并将其分为受影响半球和健康半球.
- 一个完全连接的层被用于功能掩盖和聚合后的最终担保得分分类.
主要成果:
- 从CTA图像进行抵押评分的端到端学习方法是可行的和有效的.
- 自动评分显示了与人类观察员和传统方法相比的性能,在观察者之间的变化范围内.
- 自动抵押分数成功地集成到现有的功能结果预测模型中.
结论:
- 深度学习为急性中风成像中的自动附带评分提供了可行和高效的解决方案.
- 这种自动化方法有可能改善中风护理中的治疗决策和结果预测.
更多相关视频
06:30Endovascular Perforation Model for Subarachnoid Hemorrhage Combined with Magnetic Resonance Imaging MRI
Published on: December 16, 2021
3.7K
06:45Author Spotlight: Integrated Photoacoustic, Ultrasound, and Angiographic Tomography (PAUSAT) for NonInvasive Whole-Brain Imaging of Ischemic Stroke
Published on: June 2, 2023
1.4K
