使用基于WEKA的机器学习量化治疗后脑动脉瘤的血管重塑:一个试点研究

科学领域:

• 神经成像是一种神经成像.
• 机器学习 机器学习
• 血管外科 血管外科

背景情况:

• 中脑动脉动脉瘤需要有效的治疗监测.
• 评估治疗后的血液动力学改造对于患者的治疗结果至关重要.
• 目前用于评估血管变化的方法可能是劳动密集型的.

研究的目的:

• 评估基于WEKA的机器学习管道的可行性,以检测中脑动脉动脉瘤治疗后的血液动力学改造.
• 使用机器学习来比较手术前和手术后的大脑血管图像.
• 评估神经血管护理中自动成像生物标志物的潜力.

主要方法:

• 对60名中脑动脉动脉瘤患者的回顾性分析,这些患者接受了微手术剪切或内血管干预治疗.
• 一个基于WEKA的随机森林分类器训练在数字减法血管学 (DSA) 图像对上.
• 基于Python的自定义后处理,用于图像无色化和精细化.
• 通过像素数比较评估血管表面积的变化.

主要成果:

• 75%的可分析图像对在术后显示血管像素计数增加.
• 在内血管组观察到血管像素数的显著增加 (分段的p=0.034,精细的p=0.017).
• 在神经外科组中没有发现显著差异;两组之间的比较没有达到显著性.

结论:

• 韦卡管道成功量化了血管改造,但需要进一步细化和外部验证.
• 机器学习引导的细分可以检测治疗诱导的血管变化,特别是在内血管治疗后.
• 这种方法对开发自动成像生物标志物的发展具有前景,以帮助神经血管治疗中的临床决策.