机器和深度学习对破裂和未破裂的大脑动脉静脉形缺陷的结构血管分析

科学领域:

• 医学成像分析分析 医学成像分析
• 医学中的人工智能
• 脑血管疾病 脑血管疾病

背景情况:

• 大脑动脉静脉形形 (bAVMs) 构成大脑内出血的重大风险.
• 由于复杂的影响因素,预测bAVM破裂具有挑战性.

研究的目的:

• 开发和评估用于分析bAVM结构容器特征的机器和深度学习算法.
• 为了识别与bAVM破裂相关的血管特征.

主要方法:

• 在9个破裂的和11个未破裂的bAVM的血管段上训练了四个AI模型 (隔离森林,OCSVM,VAE,SBM).
• 专注于检测具有破裂风险的特定曲线特征.

主要成果:

• 基于曲线分析,AI模型成功地将破裂与未破裂的bAVM区分开来.
• 基于分数的模型 (SBM) 实现了98.9%的F1分数和100%的AUC.
• 破裂的bAVM表现出更长和曲的曲线,以及更小的半径.

结论:

• 人工智能驱动的曲线分析准确地识别了与先前破裂相关的bAVM段.
• 这种方法在未来的研究中显示出作为出血指标和破裂预测器的潜力.