综合深度学习放射学和血液动力学参数的多模组诺莫گرام,用于早期预测切术后的内高血压
Zunfeng Fu1, Jing Wang1, Wenyi Shen1
1Department of Ultrasound, The Second Affiliated Hospital of Shandong First Medical University, No. 366 Taishan Street, Taishan District, Tai'an, 271000, Shandong Province, China.
Scientific reports
|July 2, 2025
概括
一种深度学习的放射学名图准确地预测了重创性脑损伤 (TBI) 患者的解压性脑切除术 (DC) 后的早期内高血压 (IH). 这种非侵入性工具有助于及时干预,并通过加强内压力 (ICP) 监测来改善结果.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是指放射学
- 人工智能的人工智能
背景情况:
- 严重的创伤性脑损伤 (TBI) 往往需要去压缩性脑切除术 (DC).
- 在DC后早期发现内高血压 (IH) 对患者的治疗结果至关重要.
- 目前的侵入性内压力 (ICP) 监测有局限性.
研究的目的:
- 评价深度学习放射学诺莫格拉姆用于TBI患者DC后的非侵入性早期IH检测.
- 评估这个名图的临床实用性,以指导干预.
- 通过加强ICP监测来改善患者的治疗结果.
主要方法:
- 研究了一组238名接受DC的严重TBI患者.
- 使用了视神经外 (ONS) 超声波和中脑动脉 (MCA) 光谱多普勒成像 (MCASDI).
- 深度转移学习 (DTL) 功能和放射学被提取并与临床数据相结合,使用光梯度增强机 (光GBM) 模型.
主要成果:
- 诺米图表显示出高诊断性能,IH>15mmHg的AUC为0.974 (训练) 和0.919 (测试).
- 对IH>20 mmHg的AUC为0.968 (训练) 和0.889 (测试).
- 基于ONS的模型在DLR模型中表现最好.
结论:
- 深度学习放射学诺米克是有效的非侵入性早期IH预测后DC.
- 这种工具有望改善ICP监测和指导个性化治疗策略.
- 它支持及时干预,可能导致严重TBI患者的更好的治疗结果.
