一种全自动颅内压分级框架：集成关键帧识别、ONSD测量与临床数据
计算机视觉与模式识别
2025-09-29 v2
摘要
颅内压 (ICP) 升高构成对脑功能严重威胁，因而需要监测以便及时干预。虽然脊髓穿刺是ICP测量的金标准，但其侵入性及相关风险推动了对非侵入性备选方案的需求。视神经穿刺直径 (ONSD) 作为一种有前景的生物标志物，因 elevated ICP 与 ONSD 增大直接相关。然而，当前临床实践中对 ONSD 测量存在操作不一致、最佳视图选择主观性以及阈值波动，限制了其可靠性。为此，我们引入一种全自动两阶段框架，用于 ICP 分级，集成关键帧识别、ONSD 测量与临床数据。具体而言，眼底超声视频处理阶段执行帧级解剖分割，依据国际共识指南进行基于规则的关键帧识别，并进行精确的 ONSD 测量。颅内压分级阶段随后将 ONSD 指标与临床特征融合，以实现 ICP 分级预测，从而展示了可解释超声分析与多源数据集成创新性结合，用于客观临床评估。实验结果表明，我们的方法在五折交叉验证下的验证准确率为 ，独立测试准确率为 0.786，显著优于传统阈值法 ( 验证准确率， 测试准确率)。通过有效降低操作员变异性并集成多源信息，该框架为临床 ICP 评估建立了可靠的非侵入性方法，为改善急性神经病理条件下的患者管理提供了前景。
引用
@article{arxiv.2509.09368,
title = {A Fully Automatic Framework for Intracranial Pressure Grading: Integrating Keyframe Identification, ONSD Measurement and Clinical Data},
author = {Pengxu Wen and Tingting Yu and Ziwei Nie and Cheng Jiang and Zhenyu Yin and Mingyang He and Bo Liao and Xiaoping Yang},
journal= {arXiv preprint arXiv:2509.09368},
year = {2025}
}