基于图像的AI在内动脉瘤中的分类,检测和细分性能:系统性审查

科学领域:

• 医学成像分析 医学成像分析
• 医疗保健中的人工智能
• 神经外科和神经病学 神经外科和神经病学

背景情况:

• 内动脉瘤 (IAs) 带来了重大风险,包括下关节出血 (SAH),需要精确的检测和管理.
• 人工智能 (AI) 提供了分析医疗图像 (CTA,MRA) 的高级功能,以识别微妙的AI特征.
• 人工智能为监测AI进展和评估断裂风险提供了定量数据,补充了人类的专业知识.

研究的目的:

• 系统地审查和分类用于内动脉瘤 (IA) 识别的AI算法.
• 在AI检测中比较不同AI方法的优缺点.
• 确定AI在临床AI诊断中的挑战和未来研究方向.

主要方法:

• 在四个主要数据库 (PubMed,科学网,IEEE,Scopus) 进行了全面的文献搜索.
• 对应用到IA检测的AI算法进行选研究,按方法分类 (分类,细分,检测,组合).
• 分析并比较了已识别的AI算法的性能,局限性和临床适用性.

主要成果:

• 包括47项使用人工智能的研究,用于在各种成像模式中进行AI识别.
• 目前的AI研究表明,它在识别IA和预测破裂和阻塞风险方面具有有效性.
• 人工智能显著提高了IA的诊断准确性,减少了临床环境中的错误检测和错误阳性.

结论:

• 人工智能算法在检测微妙的AI方面实现了高精度,特别是在具有挑战性的位置,如通信和洞穴性鼻动脉.
• 人工智能辅助的动脉瘤破裂和阻塞分析有助于术前和术后的治疗计划.
• 在AI管理中整合人工智能有望减少诊断的不确定性和改善治疗策略.