Search research articles

关于 JoVE

概览领导团队博客 JoVE 帮助中心

作者

出版流程编辑委员会范围与政策同行评审常见问题投稿

图书馆员

用户评价订阅访问资源图书馆顾问委员会常见问题

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments 存档

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教师资源中心教师网站

使用条款与条件

相关概念视频

Brain Imaging

Brain Imaging

Brain imaging technologies provide critical insights into both the structure and function of the human brain, enabling medical professionals and researchers to diagnose, study, and treat neurological disorders or psychiatric disorders more effectively.
These technologies include computerized axial tomography (CAT or CT scans), positron-emission tomography (PET scans), magnetic resonance imaging (MRI), functional magnetic resonance imaging (fMRI), and Transcranial Magnetic...

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序

Same author

Deep Learning-Based Mpox Skin Lesion Detection and Real-Time Monitoring in a Smart Healthcare System.

Diagnostics (Basel, Switzerland)·2025

Same author

Application and evaluation of knowledge graph embeddings in biomedical data.

PeerJ. Computer science·2021

查看所有相关文章

Search research articles

相关实验视频

Updated: Jan 15, 2026

Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping

Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping

Published on: September 25, 2019

使用CT扫描与基于变压器的模型和可解释的AI进行脑中风分类.

Shomukh Qari¹, Maha A Thafar¹

¹Department of Computer Science, College of Computers and Information Technology, Taif University, Taif 21944, Saudi Arabia.

Diagnostics (Basel, Switzerland)

|October 16, 2025

概括

此摘要是机器生成的。

这项研究开发了一个使用MaxViT的AI框架,用于从CT扫描中准确分类中风,达到98%的准确性. 这种工具可以提高早期中风诊断和在紧急情况下的患者护理.

关键词:

深度学习是一种深度学习.可以解释的人工智能AI 血流性中风血流性中风缺血性中风中风神经成像是一种神经成像.脑中风的分类脑中风的分类转移学习转移学习视觉变压器视觉变压器

更多相关视频

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Published on: April 13, 2013

相关实验视频

Last Updated: Jan 15, 2026

Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping

Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping

Published on: September 25, 2019

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Published on: April 13, 2013

科学领域:

医学成像分析医学成像分析
医疗保健中的人工智能
神经学诊断神经学诊断

背景情况:

在全球范围内,中风是导致死亡和残疾的主要原因.
快速诊断对于有效的中风治疗至关重要.
计算机断层扫描 (CT) 扫描在紧急中风评估中至关重要.

研究的目的:

使用CT图像开发一个AI框架,用于多类中风分类 (缺血性,出血性,没有中风).
评估MaxViT和其他用于中风检测的变压器架构的性能.
通过可解释AI (XAI) 提高诊断透明度.

主要方法:

利用基于视觉变压器 (ViT) 的架构MaxViT进行中风分类.
将MaxViT与其他变压器变体 (ViT,TNT,ConvNeXt) 进行比较.
应用数据增强和Grad-CAM++用于可解释性.

主要成果:

增强后的MaxViT实现了98.00%的准确性和F1得分.
人工智能框架在中风分类方面表现优于基线模型.
通过Grad-CAM++可视化,确认了与中风相关区域的准确识别.

结论:

人工智能框架为中风诊断提供了一个可靠的工具.
这项技术可以改善急诊室的及时和最佳中风诊断.
便于将AI整合到临床实践中,以获得更好的患者结果.