深度学习使用一站式CT扫描来预测进行再输液治疗的中风患者的出血转变:一项多中心研究
Huanhuan Ren1, Haojie Song2, Jiayang Liu3
1Department of Radiology, the First Affiliated Hospital of Chongqing Medical University, Chongqing 400016, China; Department of Radiology, Chongqing University Cancer Hospital, Chongqing 400030, China.
Academic radiology
|October 27, 2024
概括
深度学习模型使用多相CT血管造影 (CTA) 和CT perfusion (CTP) 图像,准确地预测急性缺血性中风 (AIS) 患者的出血转换 (HT) 在反疗法后. 这些模型为临床决策提供了可靠的工具.
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:
- 出血转化 (HT) 是急性缺血性中风 (AIS) 转流疗法后的一个重要并发症.
- 准确预测HT对于指导治疗决策和改善患者结果至关重要.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于自动预测HT.
- 为了利用多相计算机断层扫描血管学 (CTA) 和计算机断层输液 (CTP) 成像数据用于HT预测.
主要方法:
- 一项涉及229名接受再输血治疗的AIS患者的多中心回顾性研究.
- 使用多相CTA和CTP图像训练的DenseNet架构开发DL模型.
- 183名患者的内部验证和46名患者的外部测试.
主要成果:
- 30.1%的患者发生了HT.
- 结合的CTA-CTP DL模型实现了对HT的最高预测准确度.
- 单相 (动脉静脉) 和单参数 (时间到峰值) 模型也显示了预测能力.
结论:
- 使用多相CTA和CTP图像的深度学习模型可以在AIS患者中可靠地预测HT.
- 这些经过验证的DL模型是临床医生在治疗中风患者中的一个有价值的工具.
- 自动化HT预测有助于及时和明智的治疗决策.
