基于深度学习的水脑细分模型:系统性审查和元分析
Bardia Hajikarimloo1, Ibrahim Mohammadzadeh2, Mohammad Amin Habibi3
1Department of Neurological Surgery, Shohada Tajrish Hospital, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
World neurosurgery
|April 30, 2025
概括
深度学习模型在水脑患者的心室细分方面表现强. 这些先进的方法可以改善临床环境中的治疗和患者的治疗结果.
科学领域:
- 神经成像是一种神经成像.
- 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:
- 室腔细分对于水脑的评估至关重要.
- 传统的细分方法耗时且缺乏灵活性.
- 深度学习 (DL) 模型在细分精度方面提供了有前途的进步.
研究的目的:
- 评估基于DL的模型的性能,用于水脑的心室细分.
- 在这种特定的临床背景下综合现有关于DL模型疗效的研究.
主要方法:
- 在PubMed,Embase,Scopus和Web of Science进行了系统的文献搜索.
- 包括在内的研究报告了水脑室细分中DL模型的平均子相似系数 (DSC).
- 每项研究中表现最好的DL模型的平均DSC被提取用于元分析.
主要成果:
- 分析了24项涉及2911名患者的研究.
- 在水头症中,基于DL的腹腔细分的集成平均DSC为0.89.
- 亚组分析显示了基于MRI (0.88),CT (0.91) 和超声波 (0.84) 的DL模型的高性能.
结论:
- 基于DL的模型表明,在脑中,心室细分具有显著的疗效.
- 实施这些模型可能会优化脑水性的治疗方案.
- 改进的细分精度可能会导致水脑患者的临床结果改善.


