使用深度学习算法的非对比CT初始核心体积与急性缺血性中风的临床结果的关联:选择和预后的潜在工具?
Alan Flores1,2, Xavier Ustrell1,2, Laia Seró1,2
1Stroke Unit. Neurology Department, Hospital Universitari de Tarragona Joan XXIII, Tarragona, Spain.
在非对比CT上测量的初始核心体积预测了中风的结果和出血风险. 这种人工智能驱动的方法有助于在反疗法中选择治疗方法.
科学领域:
- 神经成像是一种神经成像.
- 人工智能在医学中的应用
- 脑卒中神经学 脑卒中神经学
背景情况:
- 基于对比的神经成像对于中风治疗选择和预后至关重要,但在资源有限的环境中往往无法使用.
- 在非对比计算机断层扫描 (NCCT) 上的初始核心体积 (ICV) 是评估中风严重性的潜在替代方案.
- 深度学习算法为NCCT上的自动ICV测量提供了一种方法.
研究的目的:
- 评估通过NCCT的深度学习算法测量的初始核心体积 (ICV) 与反疗法后患者结果之间的关联.
- 确定NCCT上的自动ICV (aICV) 是否可以预测有利的结果和症状内出血 (sICH).
主要方法:
- 分析了三家中风中心连续接受再输血治疗的患者注册表 (2021年1月 - 2024年5月).
- 初始核心体积 (ICV) 在入院NCCT时使用验证的深度学习算法 (Methinks) 估计.
- 评估的结果包括良好的结果 (修改的兰金尺度0-2在90天) 和症状内出血 (sICH).
主要成果:
- 较低的自动ICV (aICV) 与有利的结果显著相关 (调整后OR为0.983,P<0.001).
- 每增加1毫升的aICV,有利结果的几率就会降低1.7%.
- 较高的aICV独立地与症状性内出血 (sICH) 相关 (调整OR为1.014,P=0.009),每增加1毫升,几率增加1.4%.
结论:
- 在NCCT上进行自动化ICV评估是长期结果的有价值预测指标,并且在接受中风再注射治疗的患者中是SICH.
- 在NCCT上以人工智能驱动的aICV测量可能有助于扩大和简化再注射疗法.
- 需要进一步的研究来探索aICV在指导中风治疗决策中的临床实用性.
更多相关视频
06:45Author Spotlight: Integrated Photoacoustic, Ultrasound, and Angiographic Tomography (PAUSAT) for NonInvasive Whole-Brain Imaging of Ischemic Stroke
Published on: June 2, 2023
10:25Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping
Published on: September 25, 2019
相关概念视频
Imaging Studies for Cardiovascular System V: CT
Imaging Studies I: CT and MRI
Description of the Procedures
Computed Tomography (CT) scan:
Computed Tomography (CT) scans use X-ray technology to generate detailed images of bones, organs, and tissues. During the scan, the patient lies on a moving table...
Imaging Studies for Cardiovascular System IV: CMRI
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Imaging Studies VII: Vascular Imaging
Imaging Studies III: Computed Tomography
