CVFSNet:一个交叉视图融合评分网络,用于端到端的mTICI评分

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:

• 在脑梗塞中修改的血栓溶解 (mTICI) 评分对于评估机械血栓切除术 (MT) 的成功至关重要.
• 从数字减去血管学 (DSA) 进行手动mTICI评分是主观的,耗时的.
• 需要客观的,自动的mTICI评分来减少观察者变化和提高效率.

研究的目的:

• 开发一个自动化,端到端的方法,用于mTICI分数分配.
• 引入一个新的交叉视图融合评分网络 (CVFSNet) 来实现客观的mTICI评分.
• 介绍AmTICIS数据集,以促进缺血性中风的研究.

主要方法:

• 提出了一个交叉视图融合评分网络 (CVFSNet),用于从冠状和状DSA视图中提取时空特征的双分支.
• 引入了交叉视图融合模块 (CVFM) 来整合两种视图的特征,创建一个伪斜斜的斜角特征.
• 收集并注释了AmTICIS数据集,这是第一个用于自动mTICI评分的DSA图像数据集.

主要成果:

• 在自动mTICI评分方面,CVFSNet表现出有前途的表现.
• 实验结果验证了交叉视图融合模块的有效性.
• AmTICIS数据集促进了基于DSA的缺血性中风研究的进一步研究.

结论:

• 拟议的CVFSNet为mTICI评分提供了一个客观而有效的解决方案.
• 交叉视图融合是提高mTICI评估准确性的有效策略.
• AmTICIS数据集将加速人工智能驱动的中风治疗评估的进展.