在急性缺血性中风中,大血管封闭的深度学习辅助诊断基于四维计算机断层扫描血管造影
Yuling Peng1, Jiayang Liu1, Rui Yao2
1Department of Radiology, The First Affiliated Hospital of Chongqing Medical University, Chongqing, China.
Frontiers in neuroscience
|April 25, 2024
概括
深度学习模型使用四维计算机断层扫描血管学 (4D-CTA) 图像准确地检测急性缺血性中风中的大血管封闭 (LVO). 最好的模型结合了动脉和动脉静脉相,有助于快速诊断.
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:
- 急性缺血性中风通常是由大血管封闭 (LVO) 引起的.
- 早期发现LVO对于及时治疗和改善患者结果至关重要.
- 当前的诊断方法可能耗时,需要更快,更准确的检测工具.
研究的目的:
- 开发和验证深度学习模型,用于在前循环中自动检测LVO.
- 使用四维计算机断层扫描血管造影 (4D-CTA) 图像用于LVO识别.
- 与人类放射科医生相比,评估这些模型的诊断性能.
主要方法:
- 一项涉及104名LVO和105名非LVO患者的回顾性研究,用于模型开发,单独验证30名LVO和31名非LVO患者.
- 用4D-CTA图像的四个阶段 (P1,P2,P3,P4) 进行了组合和叠加输入方法.
- 使用修改后的HRNet网络构建了26个模型,通过AUC,精度,灵敏度,特异性和F1评分来评估性能.
主要成果:
- 结合动脉 (P1) 和动脉静脉 (P2) 阶段的模型显示出卓越的诊断性能.
- 内部验证显示AUC为0.975,准确度为0.911,灵敏度为0.889,特异性为0.944,F1得分为0.909.
- 独立于时间的验证证实了高性能,AUC为0.942,精度为0.902,灵敏度为0.867,特异性为0.935,F1得分为0.901,与放射科医生之间有很强的一致性.
结论:
- 深度学习模型,特别是那些使用4D-CTA的结合动脉和动脉静脉相的模型,对于LVO检测非常有效.
- 这些模型可以显著帮助放射科医生加快急性缺血性中风的诊断过程.
- 开发的模型显示了将其整合到临床工作流程中,以改善LVO诊断的有希望的潜力.
