在MCA区域的急性缺血性中风患者中,基于深度学习的多相CTA的附带评分

科学领域:

• 神经辐射学神经辐射学
• 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:

• 附带循环对于急性缺血性中风 (AIS) 患者的结果和内血管治疗选择至关重要.
• 评估担保状况传统上涉及主观方法与观察者可变性.
• 需要有效和客观的附带评估来改善患者管理.

研究的目的:

• 开发和验证用于评估抵押品流通的自动化深度学习 (DL) 方法.
• 在AIS患者的多相CT血管造影 (mCTA) 中量化附带状态.
• 减少观察者变化,提高中风护理的诊断效率.

主要方法:

• 对420名AIS患者的mCTA扫描进行了回顾性分析.
• 使用预处理模块开发DL分类模型.
• 将DL模型的性能与手动Menon方法评估进行比较 (基础真相).
• 通过五倍交叉验证使用准确度,F1得分,精度,灵敏度,特异性,AUC,ICC和Kappa进行性能评估.

主要成果:

• DL框架实现了高准确度 (87.6%为3类,94.0%为2类好与不好,97.1%为2类穷与不穷).
• 卓越的性能指标,包括高AUC (高达97.1%) 和评价者之间的可靠性 (ICC高达0.882).
• 多阶段的CTA在抵押品评估方面表现优于单阶段或双阶段的CTA.

结论:

• 拟议的DL框架准确而一致地评估了AIS患者mCTA上的附带循环.
• 这种自动化方法显示出作为临床决策的有价值工具的潜力.
• 人工智能方法可以减少变化,并简化中风治疗的诊断工作流程.