相关实验视频
Updated: Jan 18, 2026
09:42
A Fibrin-Enriched and tPA-Sensitive Photothrombotic Stroke Model
Published on: June 4, 2021
3.4K
训练一个高精度模型,在机械血栓切除术期间可视化血块,用于治疗急性缺血性中风
Varun Kashyap1, Richard Zhu2, Karthik Narasimhan2
1Research and Technologies, Medtronic Neurovascular, Irvine, CA, United States.
Frontiers in stroke
|January 16, 2026
概括
这项研究介绍了Clot[U]-Net,这是一个深度学习工具,用于在急性缺血性中风的机械血栓切除过程中可视化血栓. 这种由人工智能驱动的方法增强了凝块检测,有可能提高中风干预中第一次通过成功率.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 机械血栓切除术是由于大血管封闭而导致的急性缺血性中风的标准治疗方法.
- 目前的程序缺乏直接的凝块可视化,可能会降低检索效率,并需要多次通过.
- 提高第一通成功对于时间敏感的中风干预至关重要.
研究的目的:
- 开发和评估一种新的凝块可视化方法用于支架回收器血栓切除.
- 为了利用深度学习在中风干预期间增强凝块边界预测.
主要方法:
- 开发了一个深度学习模型,Clot[U]-Net (基于U-Net架构).
- 该模型利用Medtronic SolitaireTM支架上的无线电不透明标记器的空间布局进行可视化.
- 培训涉及800个体外前后侧图像,并通过单独的测试组进行评估.
主要成果:
- 凝块[U]网模型在预测凝块边界方面表现强.
- 实现了87.9%的欧盟 (IOU) 的平均交叉点和89.9%的AUROC.
结论:
- 拟议的方法可以在机械血栓切除术期间可视化凝块,而不会改变临床工作流程.
- 进一步验证可以支持实时决策,并改善中风治疗过程中的程序结果.
