超越核心与半暗带：双时间点影像驱动的卒中演变分析
计算机视觉与模式识别
2026-02-10 v1 人工智能
摘要
入院时的计算机断层扫描灌注成像（CTP）常规用于评估缺血核心和半暗带，而随访的弥散加权磁共振成像（DWI）则提供最终的梗死结果。然而，单时间点的分割无法捕捉卒中的生物异质性和时间演变。我们提出了一种双时间点分析框架，该框架使用统计描述符、影像组学纹理特征以及来自两种架构（mJ-Net 和 nnU-Net）的深度特征嵌入来表征缺血组织。双时间点指的是入院时（T1）和治疗后随访（T2）。所有特征均在 T1 时从 CTP 中提取，并将随访的 DWI 对齐以确保空间对应。对 T1 和 T2 时手动勾画的掩膜取交集，构建了六个感兴趣区域（ROI），这些区域编码了初始组织状态和最终结果。每个区域的特征被聚合并在特征空间中进行分析。对 18 名成功再通患者的评估显示，区域级表示形成了有意义的聚类。在 T1 时被分类为半暗带或健康且最终恢复的区域，其特征与保存完好的脑组织相似，而注定梗死的区域则形成了不同的分组。基线 GLCM 和深度嵌入均显示出相似趋势：半暗带区域的特征根据最终状态的不同而显著不同，而核心区域则无显著差异。深度特征空间，尤其是 mJ-Net，在可挽救和不可挽救组织之间显示出强分离性，其半暗带分离指数显著不为零（Wilcoxon 符号秩检验）。这些发现表明，编码器导出的特征流形反映了潜在的组织表型和状态转换，为基于影像的卒中演变量化提供了见解。
引用
@article{arxiv.2602.07535,
title = {Beyond Core and Penumbra: Bi-Temporal Image-Driven Stroke Evolution Analysis},
author = {Md Sazidur Rahman and Kjersti Engan and Kathinka Dæhli Kurz and Mahdieh Khanmohammadi},
journal= {arXiv preprint arXiv:2602.07535},
year = {2026}
}