在使用卷积神经网络算法的外部验证数据集上估计心室和内出血量和中线偏移的估计
Marco Colasurdo1, Dor Amran2, Huanwen Chen3
1Department of Interventional Radiology, Oregon Health and Science University, Portland , Oregon , USA.
Neurosurgery
|April 14, 2025
概括
一个AI算法,Viz ICH-Plus,在CT扫描上准确量化内出血 (ICH),双边侧腔室 (BLV) 体积和中线移位 (MLS),帮助临床决策.
科学领域:
- 神经辐射学神经辐射学
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 无对比头部CT对于治疗内出血 (ICH) 非常重要.
- 手动的体积和转移测量是耗时的.
- 需要自动化量化工具来提高效率.
研究的目的:
- 为了评估Viz ICH-Plus AI算法的性能.
- 评估其在量化ICH,BLV量和MLS方面的准确性.
- 确定其检测ICH管理中临床显著变化的能力.
主要方法:
- 追溯分析了30名ICH患者78次头部CT扫描.
- 比较Viz ICH-Plus自动测量与手动轮的情况.
- 评估中位数绝对误差和检测临床上有意义的变化.
主要成果:
- Viz ICH-Plus在ICH (2.9毫升),BLV (5.3毫升) 和MLS (1.1毫米) 的绝对误差中位数较低.
- 该算法在检测扫描之间的临床显著变化方面显示出高精度 (92.3%).
- 变化检测的灵敏度和特异性分别为91.7%和92.6%.
结论:
- Viz ICH-Plus提供了一种可靠的AI解决方案,用于量化ICH,BLV和MLS.
- 该算法显示出良好的性能和对临床显著变化的预测能力.
- 这种工具有可能简化ICH管理工作流程.
