一种深度学习方法来预测急性缺血性中风患者机械血栓切除术后的再通道化第一通道效应
Haoyue Zhang1,2, Jennifer S Polson1,2, Zichen Wang1,2
1From the Computational Diagnostics Lab (H.Z., J.S.P., Z.W., W.F.S., C.W.A.), University of California, Los Angeles, California.
AJNR. American journal of neuroradiology
|June 13, 2024
概括
深度学习模型现在可以使用CT和MR成像来预测中风患者进行血栓切除术的第一通效应. 这种自动化方法消除了手动细分的需要,提高了预测准确度,以获得更好的患者结果.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 对于大血管封闭性中风的内血管血栓切除术后,在一次尝试 (第一通效应) 中成功进行再通道,与更好的长期结果相关.
- 预处理成像可以为第一通效应提供预测信息.
- 现有的机器学习模型显示出前景,但需要手动细分.
研究的目的:
- 开发完全自动化的深度学习方法来预测第一通效应.
- 使用预治疗CT和MR成像进行预测.
- 消除对预测回化结果的手动细分的需要.
主要方法:
- 使用了326名接受内血管血栓切除术的患者队列.
- 设计了一个带有非局部和交叉注意力模块的混合变压器模型.
- 该模型是为了预测MRI成像和CT系列的第一通效应而开发的.
主要成果:
- 该模型实现了高交叉验证的ROC-AUC:MR成像为0.8506,CT为0.8719.
- 在前性测试组中,MRI成像的ROC-AUC为0.7967,CT的ROC-AUC为0.8051.
- 这代表了仅用MRI成像对第一通效应的首次分类,也是CT的第一个自动化方法.
结论:
- 无 perfusion 核磁共振成像和CT信号可以预测成功的第一通效应.
- 深度学习方法可以在没有耗时的手动细分的情况下进行预测.
- 这些自动化方法可以帮助预测内血管血栓切除术患者的结果.
