深度学习在急性缺血性中风成像中的应用:系统性审查和叙述总结
Bin Jiang1, Nancy Pham1, Eric K van Staalduinen1
1Department of Radiology, Stanford University School of Medicine, 1201 Welch Rd, Stanford, CA 94305.
Radiology
|April 8, 2025
概括
深度学习增强了急性缺血性中风 (AIS) 的成像,在病变细分方面表现出色. 进一步的研究需要标准化数据和对人工智能在中风护理中的真实世界的验证.
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:
- 急性缺血性中风 (AIS) 对健康构成重大风险,需要快速的神经成像分析.
- 深度学习 (DL) 模型在推进中风成像解释方面表现有前途.
研究的目的:
- 在成人AIS神经成像中全面审查DL应用.
- 确定当前的技术能力和未来的研究方向.
主要方法:
- 按照PRISMA指南进行系统性文献审查 (2016年1月至2024年1月).
- 在四个数据库中搜索了AIS成像中的DL应用,包括大血管封闭检测和早期CT得分测量.
- 专注于卷积神经网络和变压器,分析了380项研究.
主要成果:
- 脑卒中损伤细分占据了DL应用的优势 (45.0%),其次是分类/分类 (33.9%).
- 结果预测 (8.2%),生成AI (3.9%) 和快速成像 (2.9%) 也被探索.
- 68项研究经历了详细的数据提取;公开数据集被确定.
结论:
- DL正在显著影响AIS成像,特别是在损伤细分方面.
- 关键的挑战包括标准化协议,创建更大的公共数据集和验证临床环境中的性能.
更多相关视频
06:45Author Spotlight: Integrated Photoacoustic, Ultrasound, and Angiographic Tomography (PAUSAT) for NonInvasive Whole-Brain Imaging of Ischemic Stroke
Published on: June 2, 2023
1.2K
09:59A Magnetic Resonance Imaging Protocol for Stroke Onset Time Estimation in Permanent Cerebral Ischemia
Published on: September 16, 2017
14.0K
