一种深度学习方法,用于识别和定位大血管阻塞从脑数字减去血管学

科学领域:

• 神经成像是一种神经成像.
• 人工智能在医学中的应用
• 脑血管疾病 脑血管疾病

背景情况:

• 准确识别堵塞的大脑动脉对于有效的内血管血栓切除术至关重要.
• 大脑数字减去血管造影 (DSA) 是这一诊断的关键成像方式.

研究的目的:

• 开发和评估一种深度学习算法,用于检测和定位大脑DSA的闭塞.
• 评估算法在识别M1和近端M2段的大血管遮蔽 (LVOs) 的性能.

主要方法:

• 从188名患者 (2018-2020年) 追溯收集大脑DSA数据.
• 在有限的LVO阳性患者数据集上训练一组深度学习模型.
• 评估在一个独立的测试集使用交叉在欧盟和专家审查本地化准确性.

主要成果:

• 该模型在一个独立的测试组中实现了0.95的特异性和0.76的灵敏性.
• 在14名阳性患者中,13名患者正确局部化LVOs.
• 在LVO检测和定位方面,证明了0.7450的精度和0.75的平均精度.

结论:

• 深度学习有效地识别大脑DSA中的LVOs,即使训练数据有限.
• 建议扩展LVOs的数据集,以进一步增强模型的本地化能力.