基于深度学习的自动脑回评分 (TICI) 的设计和优化,使用血栓定位
Arthur Folcher1, Jérémy Piters1, Daphné Wallach2
1Neuroradiology Department, Brest University Hospital, Brest, France.
Journal of neuroradiology = Journal de neuroradiologie
|June 28, 2025
概括
一个人工智能模型准确地将机械血栓切除术结果分为两个脑梗塞中血栓溶解 (TICI) 组. 然而,它在区分三种TICI等级方面的性能仍然不足以用于临床使用.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 脑梗塞中血栓溶解 (TICI) 尺度对于评估机械血栓切除术结果至关重要.
- 在TICI评分中存在显著的变化,需要改进评估方法.
研究的目的:
- 开发和优化基于人工智能 (AI) 的分类模型,用于数字减去血管学 (DSA) TICI评分.
- 评估人工智能模型在将TICI分数分类为两组和三组的表现.
主要方法:
- 一个卷积神经网络 (CNN) 在一个单心DSA血栓切除术数据集上受过训练.
- 该模型将TICI评分分为两组 (TICI 0-2a与2b-3) 和三组 (TICI 0-2a与2b与2c-3).
- 手动引入血栓位置和通过自动检测模块来评估它们对性能的影响.
主要成果:
- 人工智能模型实现了高特异性 (0.97 ± 0.01) 和灵敏性 (0.86 ± 0.01) 在两类TICI分类.
- 三类分类模型表现不够好,TICI 2b的F1分数在0.50-0.55.5左右.
- 自动血栓检测并没有显著改善三类模型的性能.
结论:
- 人工智能模型为DSA中的两类TICI评分提供了一种可重现的方法.
- 当前AI模型的性能不足以在临床实践中区分三个TICI等级.
- 自动化血栓检测没有提高AI模型对多类TICI评估的准确性.
