在终端核对时可靠识别梗死神经的发挥作用及覆盖范围在急性心律不整病卒中所(AIS)的治疗法中所起着至关重要的作用,溶栓或取栓术对梗死覆盖范围广泛的病症效果欠佳。平扫CT是评估急性脑病卒中所病症梗死程度(表现为低密度)最都用的的全像手段。
由于受累神经系统地区的密度和纹理变化非常结构上,并意味著因情况下的生理变化或陈旧炎症而混淆,因此根据平扫CT对梗死灶顺利进行定量分析评估极不具备潜力。由于神经图象的频率、对比度较高以及层厚较厚,使得大多数习惯的基于图象的分割方式变得困难重重。现阶段,一项相数据分析探险了将深度学习系统设计(滤波信息处理结构)应用于这一不具备潜力的情况。然而,该项工作只能用于特别强调地验证脑半球准确度心律不整炎症的发挥作用与否。
近日,发表在Radiology杂志的一项数据分析以外扩散相加(DW) MRI作为参见规范,建起了一种能用平扫CT图象自动验证和定量分析AIS病症脑梗死的方式,为医学早期识别及诊断脑梗死溃疡并制定最佳的治疗法方案共享了可靠的系统设计支持。
本数据分析回顾性地对2004年5年初至2009年7年初长期AIS起因后1小时内顺利进行弥散相加(DW) MRI核对的AIS病症(从症状出现到CT时间<6小时)的平扫CT图象顺利进行了评估。以DW MRI图象上人工勾画的心律不整炎症为参见规范。提出了一种基于机器学习(ML)的梗死溃疡自动分割方式。从157事例病症的平扫CT图象中所随机选取,并在DW MRI图象上手动勾画炎症标有以训练和验证ML模型;其余100事例独立于来源队列的病症用于模型的验证。采用Bland-Altman图和Pearson相关性对ML正则表达式与参见规范(DW MRI)顺利进行定量分析比较。
在测试数据比较大所的100事例病症中所(中所位年龄组,69岁;四分小数点覆盖范围[IQR]: 59-76岁;59事例男性),在症状出现后48分钟内(IQR, 27-93分钟)顺利进行终端平扫CT扫描;终端MRI在$为38分钟(IQR, 24-48分钟)后顺利进行扫描。在急性DW MRI扫描中所,正则表达式验证到的溃疡体积与专家勾画的参见规范溃疡体积不具备相关性(r = 0.76, P < .001)。正则表达式分割体积之间的平均差值($,15 mL;IQR, 9-38 mL)和DW MRI容积($,19 mL;IQR, 5-43 mL)为11 mL (P = .89)。
图 该图推断了平扫CT与外扩散相加(DW) MRI正则表达式验证急性心律不整炎症的示事例图。有六个子图,分别标有行(I-III)和列(A和B)。在每个子图中所,最上面一行推断的是基底节准确度的扫描图象,最下面一行推断的是节上核准确度的扫描图象。在每个子图中所,右侧列为平扫CT图象,中所间列为平扫CT图象与正则表达式验证到的炎症的叠加,右列为相应的DW MRI。
本数据分析声称,用作机器学习系统设计自动验证心律不整炎症的方式在识别和测急性心律不整病卒中所病症终端平扫CT图象神经梗死炎症方面推断出了极大的医学前景。该项系统设计可转化为一常规医学核对步骤,以襄助医生为这些病症制定最佳的治疗法决策。
译者说是:
Wu Qiu,Hulin Kuang,Ericka Teleg,et al.Machine Learning for Detecting Early Infarction in Acute Stroke with Non-Contrast-enhanced CT.DOI:10.1148/radiol.2020191193
相关新闻
相关问答