基于非对比CT的深度学习,用于预测脑内出血扩张,并结合了脑内出血的增长
Youquan Ning1, Qiang Yu1, Xin Fan1
1Department of Radiology, The First Affiliated Hospital of Chongqing Medical University, Chongqing, China.
Scientific reports
|August 31, 2025
概括
一个新的深度学习模型准确地预测使用非对比CT扫描的脑内出血患者的高风险修订血瘤扩张 (rHE),改进了现有的临床模型以更好地预测中风.
科学领域:
- 神经学
- 放射学
- 医学的人工智能
背景情况:
- 脑内出血 (ICH) 是一种严重的中风类型,死亡率和残疾率高.
- 早期的血瘤扩张 (HE) 显著影响ICH患者的预后.
- 经过修订的血瘤扩张 (rHE),包括腹腔内出血 (IVH) 的增长,比传统的HE定义提供了更好的预后准确性.
研究的目的:
- 开发使用非对比CT扫描 (NCCT) 的深度学习模型,预测ICH患者的高风险rHE.
- 通过识别有明显血瘤扩张风险的患者,使及时的干预成为可能.
主要方法:
- 使用了来自两个中心的775名ICH患者的回顾性数据集,扫描分为培训,内部测试和外部测试队列.
- 在基线NCCT图像上训练了2D和3D卷积神经网络 (CNN) 模型 (ResNet,DenseNet).
- 使用接收器操作特征曲线 (AUC) 下的面积来评估模型性能,并与包含临床和放射特征的物流回归和SVM模型进行比较.
主要成果:
- 2D-ResNet-101深度学习模型获得了最佳性能,在外部测试组中AUC为0.777.
- 这种深度学习模型显著优于基线临床放射学模型,包括BRAIN得分和综合物流/SVM模型.
- 与传统方法相比,该模型在识别高风险rHE方面表现出有利的预测性能.
结论:
- 基于NCCT成像的深度学习模型可以有效预测ICH患者的高风险rHE.
- 开发的2D-ResNet-101模型与现有的临床和放射学方法相比,显示出更高的预后准确性.
- 这种人工智能驱动的方法有望改善早期风险分层,并指导ICH管理的及时干预.
相关概念视频
01:17Hemorrhagic Stroke l: Introduction
A hemorrhagic stroke is an acute neurological event that occurs when a weakened cerebral blood vessel ruptures, allowing blood to accumulate within or around the brain. The sudden release of blood forms a focal hematoma that increases intracranial pressure, displaces neural tissue, and can obstruct cerebrospinal fluid pathways. These effects may be compounded by intraventricular extension of the hemorrhage, cerebral edema, or compression of adjacent structures, all of which contribute to...
01:29Hemorrhagic Stroke ll: Pathophysiology
A hemorrhagic stroke develops when a cerebral blood vessel ruptures, allowing blood to escape into the surrounding brain tissue, as in intracerebral hemorrhage (ICH), or into the subarachnoid space, as in subarachnoid hemorrhage (SAH). Because the skull is a rigid compartment, the sudden presence of extravascular blood rapidly increases intracranial pressure and compresses adjacent neural structures, leading to immediate tissue injury and impaired cerebral perfusion.Mass Effect and Primary...