深度学习驱动的磁共振血管图的临床可行性在急性前部循环缺血性中风中的附带图

科学领域:

• 神经学 神经学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 急性缺血性中风需要对附带循环进行准确的评估,以便有效治疗.
• 传统的磁共振血管造影 (MRA) 附带图是必不可少的,但生成和解释可能耗时.
• 深度学习 (DL) 提供了改善医学成像分析的潜力.

研究的目的:

• 验证深度学习驱动的MRA (DL驱动的MRA) 附带图的临床可行性,用于评估急性缺血性中风中的附带输液.
• 将DL驱动的MRA附带图的诊断性能,分级时间和图像质量与传统MRA进行比较.

主要方法:

• 开发了一个3D多任务回归和顺序回归深度神经网络 (3D-MROD-Net) 来生成DL驱动的MRA附带图.
• 两个独立的评价者评估了296名急性缺血性中风患者的传统和DL驱动的MRA附带图的附带 perfusion 评分,分级时间和图像质量.
• 统计学分析了方法间的一致性,分级时间和图像质量.

主要成果:

• 用DL驱动的MRA附带图显示了几乎完美的附带输液分级的方法间一致性 (κ = 0.96).
• 与传统的MRA相比,DL驱动的MRA抵押地图的评级时间显著缩短 (P <0.001对于评级者1,P = 0.003对于评级者2).
• 用DL驱动的MRA附带图的图像质量明显优越 (P<0.001对1的评级者,P=0.002对2的评级者).

结论:

• DL驱动的MRA附带图在临床上是可行的,用于在急性缺血性中风中进行附带输液分级.
• 这种先进的MRA技术提供了更好的图像质量,并减少了生成和解释时间.
• DL驱动的MRA代表了中风成像和患者管理的有希望的进步.