Radiology：平扫CT对急性脑梗死的检测：通过机器学习缩小与MRI的差异性

在水平线定期检查时准确比对梗死脊髓组织的普遍存在及以内在急性血栓病死里面(AIS)的治疗里面起着至关重要的作用，溶栓或取栓术对梗死以内广泛的病患视觉效果欠佳。平扫CT是分析急性脊髓病死里面病患梗死程度(表现为分层)最常用的的成像手段。

由于则有大脊髓区域的密度和纹理变异非常细微，并可能因正常人的心理变异或陈旧肿瘤而误用，因此根据平扫CT对梗死南村透过系统性分析极具有系统设计性。由于脊髓组织由此可知象的信噪比、灵敏度较低以及层厚较厚，使得大多数传统的基于由此可知象的分割法则愈发有条不紊。这两项，一项相研究探索了将深达学习系统设计（变换机器学习结构）应用于这一具有系统设计性的问题。然而，该项文书工作情况下用于定性地监测脊髓半球高度血栓肿瘤的普遍存在与否。

据悉，发表在Radiology杂志的一项研究以蔓延平均数(DW) MRI作为参考规格，建立了一种利用平扫CT由此可知象自动监测和系统性AIS病患脊髓梗死的法则，为针灸以前比对及诊断脊髓梗死皮下并拟订最佳的治疗方案共享了确实的系统设计支持。

本研究回顾性地对2004年5同年至2009年7同年过后AIS发生后1每隔内透过弥散平均数(DW) MRI定期检查的AIS病患(从症状显现借助于来到CT一段时间<6每隔)的平扫CT由此可知象透过了分析。以DW MRI由此可知象上人工远景的血栓肿瘤为参考规格。提借助于了一种基于机器学习（ML）的梗死皮下自动分割法则。从157由此可知病患的平扫CT由此可知象里面随机选取，并在DW MRI由此可知象上手动远景肿瘤上头以训练和验证ML模型;其余100由此可知独立于来源队列的病患用于模型的监测。采用Bland-Altman由此可知和Pearson持续性对ML演算法与参考规格(DW MRI)透过系统性比较。

在测试数据集里面的100由此可知病患里面(里面位年长，69岁;四分位数以内[IQR]: 59-76岁;59由此可知男同性恋)，在症状显现借助于来后48分钟内(IQR, 27-93分钟)透过水平线平扫CT显影;水平线MRI在里面位数为38分钟(IQR, 24-48分钟)后透过显影。在急性DW MRI显影里面，演算法监测到的皮下体积与专家远景的参考规格皮下体积具有持续性(r = 0.76, P < .001)。演算法分割体积之间的平均差值(里面位数，15 mL;IQR, 9-38 mL)和DW MRI容积(里面位数，19 mL;IQR, 5-43 mL)为11 mL (P = .89)。

由此可知 该由此可知结果显示了平扫CT与蔓延平均数(DW) MRI演算法监测急性血栓肿瘤的举由此可知来说由此可知。有六个子由此可知，分别上头行(I-III)和列(A和B)。在每个子由此可知里面，最上头动身结果显示的是基底节高度的显影由此可知象，最上头动身结果显示的是节上氘高度的显影由此可知象。在每个子由此可知里面，右侧列为平扫CT由此可知象，里面间列为平扫CT由此可知象与演算法监测到的肿瘤的叠加，右方列为相应的DW MRI。

本研究表明，使用机器学习系统设计自动监测血栓肿瘤的法则在比对和测量急性血栓病死里面病患水平线平扫CT由此可知象脊髓组织梗死肿瘤方面结果显示借助于了相当程度的针灸现状。该项系统设计可转化为一常规针灸定期检查步骤，以协助医师为这些病患拟订最佳的治疗决策者。

原文借助于处：

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