基于深度学习的ASPECTS算法提高了阅读器的性能,减少了解释时间
Angela Ayobi1, Adam Davis2, Peter D Chang3,4
1From Avicenna.AI (A.A., M.T., S.Q., S.F., C.A., Y.C.), La Ciotat, France angela.ayobi@avicenna.ai.
AJNR. American journal of neuroradiology
|September 10, 2024
概括
一个深度学习算法改善了急性缺血性中风的ASPECTS解释,提高了准确性和一致性,同时减少了医生分析时间.
科学领域:
- 神经辐射学神经辐射学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 在选择急性缺血性中风治疗时,ASPECTS得分至关重要.
- 解释ASPECTS是具有挑战性的,耗时的,并且容易引起观察者之间的变化.
研究的目的:
- 评估深度学习 (DL) 算法对ASPECTS解释准确性和时间的影响.
- 评估DL协助对ASPECTS评分中观察者间可靠性的影响.
主要方法:
- 一个多读者,多案例研究,涉及200个NCCT扫描.
- 临床医生评估了基于DL的算法 (CINA-ASPECTS) 的和没有的ASPECTS.
- 在辅助和无辅助评估之间比较性能指标 (准确性,ROC AUC) 和解释时间.
主要成果:
- 软件辅助显著改善了基于地区的准确性 (72.4%至76.5%) 和ROC AUC (0.749至0.788).
- 通过DL的帮助,ASPECTS评估的观察者间可靠性和相关系数显著改善.
- 通过该算法,每个案例的平均解释时间减少了6%.
结论:
- DL算法提高了ASPECTS解释的准确性,一致性和速度.
- 这种工具可以改善患者选择急性缺血性中风治疗.
- 该算法提供了一个潜在的解决方案,以减少变化并提高ASPECTS评估的精度.
