Stroke:或许急诊遇到脑出血患者，再也不用手动测量算出血体积了！
2020-03-20 网络 网络
在突发脑出血中，脑出血体积和血肿周围水肿（PHE）分别是评估原发性损伤和继发性损伤的主要征象。一种自动准确快速分析软件能够对简化大宗人群研究评估损伤机制是非常有帮助的。
背景和目的
在突发脑出血中，脑出血体积和血肿周围水肿（PHE）分别是评估原发性损伤和继发性损伤的主要征象。一种自动准确快速分析软件能够对简化大宗人群研究评估损伤机制是非常有帮助的。
方法
本研究综合2个颅内脑出血研究中人工在CT检查中勾画脑出血和PHE区域的数据。将1个研究中人工勾画的模板用来训练全自动卷积神经网络进行分割脑出血和PHE。主要的结果为自动与人工匹配一致。次要结果为由Dice相似度系数（DSC）评价的分割体素-体素间重叠。在第2个研究的84次CT检查中对算法进行验证。
结果
共有124例患者的224次脑出血CT检查纳入分析中。脑出血和PHE中位数体积分别18 mL (interquartile range, 8-43) 、12 mL (interquartile range, 5-30)。脑出血自动定量分割的一致性优秀，PHE自动定量分割的一致性为良好，DSC分别为0.90 (interquartile range, 0.85-0.93、0.54 (0.39-0.65)。外部检验确定了算法对脑出血(concordance 0.98, DSC 0.90)和PHE(concordance 0.90, DSC 0.55)的准确性。改结果与两个人工勾画结果相似(DSC 0.90 for hemorrhage, 0.57 for PHE)。
结论
本研究建立了一种基于深度学习的影像学算法，能够真确的测量脑出血和PHE体积。快速准确的定量分析能够加速大宗脑出血人群疾病生物学研究。
原始出处：
Dhar R, Falcone GJ, Chen Y. et al. Deep Learning for Automated Measurement of Hemorrhage and Perihematomal Edema in Supratentorial Intracerebral Hemorrhage. DOI: 10.1161/STROKEAHA.119.027657
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
学习了
125
这个很有指导意义学习了
140