相关实验视频
Updated: Jun 15, 2026
05:52
Prehospital Thrombolysis: A Manual from Berlin
Published on: November 26, 2013
21.8K
SDS-Net:一个同步的双阶段网络,用于预测患者在4.5小时的血栓解压治疗窗口内使用MRI
Xiaoyu Zhang1, Ying Luan1, Ying Cui1
1Nurturing Center of Jiangsu Province for State Laboratory of AI Imaging & Interventional Radiology, Department of Radiology, Zhongda Hospital, Medical School of Southeast University, 87 Dingjiaqiao Road, Nanjing, 210009, China.
Journal of imaging informatics in medicine
|October 28, 2024
概括
一个新的AI模型,SDS-Net,使用MRI扫描准确地识别急性缺血性中风 (AIS) 患者在关键的4.5小时治疗窗口内. 这种工具有助于临床医生在快速诊断和治疗决策中获得更好的患者结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 在4.5小时内及时识别急性缺血性中风 (AIS) 对于有效治疗至关重要.
- 有限的数据集对开发准确的AIS诊断工具构成挑战.
- 磁共振成像 (MRI),特别是FLAIR和DWI序列,是评估中风的关键.
研究的目的:
- 开发和验证一种新的AI网络,用于在关键的4.5小时治疗窗口内识别AIS患者.
- 为了比较同步双阶段网络 (SDS-Net) 与顺序双阶段网络 (双阶段网络) 的性能.
- 评估模型使用有限的MRI数据准确分类自中风开始以来的时间 (TSS) 的能力.
主要方法:
- 对265名AIS患者进行了FLAIR和DWIMRI扫描的回顾性分析.
- 开发了两种深度学习模型:SDS-Net和双阶段Net,每个都有心脏病发作声细胞识别和TSS分类阶段.
- 对181名患者进行培训,并对84名患者的独立外部队列进行验证,使用AUC,准确性,敏感性和特异性指标.
主要成果:
- 在验证数据集中,SDS-Net实现了高性能 (准确度:0.844,AUC:0.914) 和在外部测试数据集中实现了卓越的性能 (准确度:0.800,AUC:0.879).
- 在外部测试数据集 (P=0.049) 中,SDS-Net显著优于双阶段网络.
- 这些模型在关键的4.5小时窗口内在识别AIS患者方面表现强.
结论:
- SDS-Net是一种可靠和强大的AI工具,用于在4.5小时的关键治疗窗口内使用MRI识别AIS患者.
- 开发的模型可以显著帮助临床医生做出及时的AIS治疗决策.
- 提高诊断准确度和速度可以在急性中风管理中带来更好的患者结果.
