急性缺血性卒中与大血管闭塞的计算机自动评估
图像与视频处理
2019-06-20 v1 机器学习
机器学习
摘要
大血管闭塞（LVO）在急性缺血性卒中的诊断中起着重要作用。在入院早期识别患者的LVO将显著降低其遭受卒中严重后果的概率，甚至挽救生命。本文中，我们利用香港所有记录的急性缺血性卒中患者的结构数据与影像数据。本研究共使用300名患者（200名训练，100名测试）。我们基于人口统计学数据、临床数据以及从计算机断层扫描（CT）中获得的特征建立了三个分层模型。建模的前两个阶段仅基于人口统计学与临床数据。此外，第三模型利用了从深度学习模型获取的额外CT影像特征。基于10折交叉验证，在最大Youden指数处确定最优截断值。结合临床与影像特征，三级模型在测试数据上取得了最佳性能。其灵敏度、特异度、Youden指数、准确率和曲线下面积（AUC）分别为0.930、0.684、0.614、0.790和0.850。
引用
@article{arxiv.1906.08059,
title = {Automated Computer Evaluation of Acute Ischemic Stroke and Large Vessel Occlusion},
author = {Jia You and Philip L. H. Yu and Anderson C. O. Tsang and Eva L. H. Tsui and Pauline P. S. Woo and Gilberto K. K. Leung},
journal= {arXiv preprint arXiv:1906.08059},
year = {2019}
}