在急性缺血性中风中基于入院时的单相CT血管学预测组织结果
Frosti Palsson1,2, Nils D Forkert3,4,5,6, Lukas Meyer2
1deCODE Genetics Inc., Reykjavik, Iceland.
Frontiers in neurology
|April 3, 2024
概括
这项研究开发了一种深度学习模型,使用计算机断层扫描 (CTA) 扫描来预测中风心脏病发作. 人工智能模型显示了预测心脏病发作的可行性,有助于在急性缺血性中风中治疗决策.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 脑卒中医学 脑卒中医学
背景情况:
- 在急性缺血性中风中精确预测心脏病发作的进展对于识别可能受益于机械血栓切除术 (MT) 的患者至关重要.
- 计算机断层扫描血管造影 (CTA) 是广泛可用的,也是急性中风协议中的标准成像技术,与CT输液 (CTP) 不同.
- 最近的试验表明,即使是已确诊的大型心脏病发作的患者,MT也有好处,可能会被基于CTP的不匹配分析遗漏.
研究的目的:
- 开发和评估一个深度学习模型,仅从急性CTA数据预测心脏病发作的位置和程度.
- 建立人工智能驱动的心脏病预测方法,比目前基于CTP的方法更容易获得和可行.
主要方法:
- 基于U-Net的卷积神经网络在238名患者的预处理CTA图像上进行了训练,这些患者在前部循环大血管封闭方面接受了成功的MT.
- 该模型包含了一个空间和通道智能的挤压和激发块,并经过后处理以改进损伤预测.
- 模型性能使用5倍交叉验证进行了评估,分别使用子相似系数 (DSC) 和平均体积误差作为主要和次要指标.
主要成果:
- 深度学习模型实现了0.35 ± 0.2的平均测试集DSC和11.5毫升的平均体积误差.
- 性能最好的模型在后处理后达到0.37 ± 0.2的DSC和3.9毫升的平均体积误差.
- 性能在不同的模型变体中是一致的.
结论:
- 仅使用急性CTA成像来预测24小时心脏病发作是可行的,其性能与基于CTP的方法相美.
- 这种使用CTA的人工智能驱动的方法有可能提高急性中风护理中心脏病预测结果的可访问性和适用性.
