基于机器学习的管道,用于在非增强型CT图像 (NeuroDrAIn) 中自动检测,定量和分类脑内出血和排水
Samer Elsheikh1, Ahmed Elbaz1, Alexander Rau1
1Department of Neuroradiology, Medical Center-University of Freiburg, Faculty of Medicine, University of Freiburg, Freiburg, Germany.
PloS one
|December 26, 2024
概括
这项研究引入了一种自动化管道,用于在脑内出血手术后分析CT扫描. 人工智能工具准确地检测排水,量化覆盖范围,并识别错位,提高临床和研究应用的效率.
科学领域:
- 神经外科 神经外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 外部排水是急性脑内出血的标准治疗方法.
- 目前的术后CT评估是主观的.
- 目标自动化分析可以提高准确性和研究可扩展性.
研究的目的:
- 开发和验证用于检测脑内出血和排水的自动化管道.
- 通过排水量化出血覆盖范围.
- 为了检测错位的排水道.
主要方法:
- 在68名患有 supratentorial脑内出血的患者进行了回顾性研究.
- 以人工智能为基础的细分用于出血和排水检测.
- 排水覆盖面的计算和错位分类.
主要成果:
- 在排水检测 (0.97) 和错位分类 (0.88) 中的高精度.
- 在量化排水覆盖面 (0.86) 方面达成强烈共识.
- 0.92的ROC曲线下的面积表明了强大的性能.
结论:
- 一个经过验证的自动化管道用于手术后CT评估脑内出血.
- 可靠地检测,量化和评估排水道的位置错误.
- 提高临床工作流程和研究数据收集的潜力.
更多相关视频
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
39.7K
10:25Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping
Published on: September 25, 2019
47.7K
