深度学习图像重建和自适应统计代重建-V对阿尔伯塔州自动化中风计划早期CT评分评估的影响

科学领域:

• 神经辐射学神经辐射学
• 医疗成像医学成像
• 脑中风的诊断 脑中风的诊断

背景情况:

• 阿尔伯塔中风计划的早期CT得分 (ASPECTS) 对神经诊断至关重要.
• 在CT重建技术的进步影响自动化ASPECTS分析.

研究的目的:

• 评估不同CT重建技术对自动化ASPECTS的影响.
• 将ASIR-V和DLIR重建与过后投影 (FBP) 进行比较.

主要方法:

• 对173名怀疑中脑动脉梗塞的患者进行了回顾性分析.
• 使用FBP,ASIR-V (30%,60%) 和DLIR (低,中,高) 重建的CT扫描.
• 用FBP作为参考标准进行自动化ASPECTS分析.

主要成果:

• 与FBP相比,ASIR-V和DLIR通常低估了这些方面.
• DLIR-M显示了最强的同意与专家的共识 (κ=0.352).
• DLIR-M将大多数患者 (n=5) 从ASPECTS ≤5重新分类到≥6,这可能会增加对内血管治疗的资格.

结论:

• ASIR-V和DLIR导致轻微的ASPECTS低估,但与FBP相似.
• 对于自动化ASPECTS,DLIR-M显示了与专家共识的最高一致性.
• 精心选择和标准化CT重建参数对于中风成像至关重要.