从计算机断层扫描的3个阶段生成输液参数地图 输液在中风中使用生成对抗网络

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 神经学 神经学

背景情况:

• 计算机断层扫描输液 (CTP) 对于急性缺血性中风 (AIS) 管理至关重要,但由于复杂的协议和高辐射剂量而面临限制.
• 通过降低CTP中的时间采样率来减少辐射暴露,可以通过错过关键增强阶段来损害准确性.

研究的目的:

• 调查使用生成对抗网络 (GAN) 来从减少数量的CTP阶段 (mCTP) 中生成准确的大脑 perfusion 图的可行性.
• 与传统的CTP相比,评估GAN衍生的输液图的诊断质量和准确性.

主要方法:

• 训练了一种GAN模型,从CTP的三个选定的阶段生成 perfusion 参数图 (脑血流,时间到最大),模仿多相CT血管学协议.
• 该模型的性能通过结构相似性指数 (SSIM) 测量,正常化根平均平方误差 (nRMSE) 和学习感知图像补丁相似性 (LPIPS) 进行了定量评估.
• 对心脏病发作和低输血区域的体积一致性使用外部数据集的课内相关系数 (ICC) 和斯皮尔曼相关性来评估. 还评估了定性诊断质量.

主要成果:

• 该GAN模型在生成脑血流和时间至最大图的视觉重叠和性能方面表现出高的可视性,SSIM和LPIPS高,nRMSE低.
• 对心脏病发作和低输血区域的体积协议显示在外部数据集上存在良好的至优良的相关性 (ICC和Spearman).
• 定性评估证实,mCTP衍生地图在诊断上与传统CTP可比.

结论:

• 基于GAN的方法有效地从多相CTP (mCTP) 产生可靠的脑 perfusion 地图.
• 这种GAN衍生的mCTP为诊断急性缺血性中风提供了一个有希望的,潜在的低辐射替代方案,克服了传统CTP的局限性.