基于大脑网络损伤的深度学习模型来预测中风后的认知障碍
Chen Bai1,2,3, Yilin Leng1,2,3, Haixing Xiao4
1School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, China.
Quantitative imaging in medicine and surgery
|May 19, 2025
概括
一个新的深度学习模型准确地预测了急性缺口性中风 (ALS) 三个月内发生的中风后认知障碍 (PSCI). 这一进步有助于早期诊断,并确定治疗的脑网络目标.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 脑卒中后认知障碍 (PSCI) 是急性缺口性脑卒中 (ALS) 后的常见并发症.
- 由于当前评估和成像技术的局限性,在ALS的3个月内早期诊断PSCI是具有挑战性的.
- 这项研究解决了对早期PSCI检测有效和可靠方法的需求.
研究的目的:
- 开发一种深度学习 (DL) 模型,用于预测ALS的3个月内PSCI.
- 整合神经成像数据,对大脑网络完整性的全面分析.
- 提高早期PSCI诊断的准确性和可靠性.
主要方法:
- 分析了100名急性缺口性中风 (ALS) 患者 (39人患有PSCI,61人没有).
- 量化3D灰色物质损伤 (区域损伤 - RD) 和白色物质通道断开 (结构断开 - SDC).
- 开发了一个基于ResNet18的DL模型,集成3D RD,SDC和扩散权重成像 (DWI) 来预测PSCI.
主要成果:
- DL模型实现了高预测性能:准确度 (ACC) 为0.820±0.024,AUC为0.795±0.068.
- 该模型在五倍交叉验证方面表现优于现有方法.
- PSCI与突出,默认模式和体力运动网络的显著损伤有关.
结论:
- 开发的DL模型准确地预测了ALS的3个月内PSCI.
- 确定了受PSCI影响的特定大脑网络,为基于症状的治疗提供了潜在的目标.
- 提供了对PSCI神经生物学基础的新见解.
更多相关视频
05:32Author Spotlight: Assessing Ischemic Stroke Damage Through Middle Cerebral Artery Occlusion Model
Published on: August 11, 2023
1.7K
05:34A Mouse Model for Vascular Cognitive Impairment and Dementia Based on Needle-guided Asymmetric Bilateral Common Carotid Artery Stenosis
Published on: November 22, 2024
333
