相关实验视频
Updated: Aug 8, 2026

05:50
Contrast Enhanced Vessel Imaging using MicroCT
Published on: January 27, 2011
12.5K
基于深度学习的大血管封闭的检测:CT和扩散权重成像的比较
JaeYoung Kang1, JunYoung Park2, YoungJae Kim3
1School of Medicine, Keimyung University, Daegu, Republic of Korea.
Digital health
|April 29, 2025
概括
扩散权重成像 (DWI) 比计算机断层扫描与临床信息 (CT&CI) 更准确,用于识别前部循环中的大型血管封闭. DenseNet121深度学习模型在DWI中表现最好.
科学领域:
- 神经学 神经学
- 放射学 放射学是指放射学
- 人工智能的人工智能
背景情况:
- 准确识别大血管封闭 (LVO) 对于急性缺血性中风的及时内血管治疗至关重要.
- 区分前循环LVO和非LVO病例会影响治疗决策.
研究的目的:
- 为了比较计算机断层扫描结合临床信息 (CT&CI) 与扩散权重成像 (DWI) 的预测准确性,用于检测前部循环LVO.
- 评估深度学习模型在使用CT&CI和DWI数据识别LVO方面的表现.
主要方法:
- 对来自456名急性缺血性中风患者的CT&CI和DWI数据的回顾性分析.
- 三种深度学习模型 (CNN,EfficientNet-B2,DenseNet121) 用于分析成像数据.
- 使用性能指标来比较CT&CI和DWI在LVO检测中的准确性.
主要成果:
- 与CT&CI相比,扩散权重成像 (DWI) 在所有评估指标上表现优越.
- 在DenseNet121模型中,DWI的曲线下面积 (AUC) 为0.833,CT&CI的曲线下面积为0.756.
- 效率网-B2显示DWI的AUC为0.815,CT&CI的AUC为0.647. 这些AUC为0.815和0.647.
结论:
- 扩散权重成像 (DWI) 是一种比CT&CI更有效的成像方式,用于检测前部循环大血管封闭.
- 当应用到DWI数据时,DenseNet121深度学习模型在识别LVO时提供了最高的准确性.
更多相关视频
15:48Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
Published on: December 15, 2014
22.3K
09:32Time-Resolved, Dynamic Computed Tomography Angiography for Characterization of Aortic Endoleaks and Treatment Guidance via 2D-3D Fusion-Imaging
Published on: December 9, 2021
2.9K