HE-Mind:一种模型,用于自动预测自发性脑内出血后的血瘤扩张

科学领域:

• 神经学 神经学
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 自发性脑内出血 (sICH) 是一个危急的情况.
• 血液瘤扩张 (HE) 是SICH患者不良结果的主要决定因素.
• 准确及时预测HE对于有效的患者管理至关重要.

研究的目的:

• 开发和验证一个端到端的深度学习模型HE-Mind,用于在SICH后的HE的自动预测.
• 将HE-Mind模型的性能与传统的放射学和深度学习模型进行比较.
• 评估HE-Mind模型对医生的诊断准确性和效率的影响.

主要方法:

• 一个多中心的回顾性研究,涉及490名SICH患者.
• 使用密集连接的U-net,多实例学习和语网络开发HE-Mind模型.
• 与支向量机器,后勤回归,残余网络和Swin变压器模型进行比较.
• 阅读器在医生和人工智能辅助模式中的实验来评估效率.

主要成果:

• 该HE-Mind模型实现了卓越的性能,AUC为0.849 (内部) 和0.809 (外部).
• 医生诊断准确度在HE-Mind的帮助下显著提高 (0.768-0.809).
• 使用HE-Mind辅助,报告时间大幅缩短 (3.99-7.26秒).

结论:

• 该HE-Mind模型在几秒钟内从NCCT数据中快速自动预测HE.
• 这种深度学习框架显示出极大的潜力,可以增强高等教育的临床诊断工作流程.
• HE-Mind可以帮助医生为生病患者做出更快,更准确的临床决策.