通过使用深度学习的自动化方法估计的白质超强度体积对小血管阻塞中风中风结果的影响

科学领域:

• 神经学 神经学
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 白质过强度 (WMH) 与小血管封闭 (SVO) 风险因素和病理有共同之处.
• 对于WMH体积对SVO中风结果的影响仍未得到充分研究.

研究的目的:

• 评估WMH体积对SVO中风患者早期神经病变 (END) 和3个月功能结果的影响.
• 使用自动化深度学习方法进行WMH体积评估.

主要方法:

• 分析了1718名SVO中风患者的多中心注册表.
• 使用深度学习细分模型 (VUNO Med-DeepBrain) 来量化WMH体积.
• 倾向性得分匹配 (PSM) 用于比较严重和非严重的WMH组之间的结果.

主要成果:

• 严重的WMH (Fazekas分数≥3) 在68.9%的SVO中风病例中流行.
• 严重的WMH组在PSM后表现出更高的END率 (13.5%对6.9%) 和3个月的功能性结果 (24.7%对11.4%) 较差.
• 增加的WMH总体量与更高的END风险 (OR 1.01) 和不良的3个月结果 (OR 1.02) 相关联.

结论:

• WMH负担显著影响SVO中风预后,影响早期和延迟的结果.
• 对WMH体积的自动深度学习评估提供了有价值的预后信息.
• 这些发现支持基于WMH负担为SVO中风患者开发量身定制的干预措施.