Deep-ASPECTS：一种分割辅助的卒中严重程度评估模型
图像与视频处理
2022-05-10 v3 计算机视觉与模式识别
应用统计
摘要
当脑内动脉破裂出血或脑供血被切断时，就会发生卒中。由于破裂或阻塞，血液和氧气无法到达脑组织，导致组织死亡。大脑中动脉（MCA）是最大的脑动脉，也是卒中中最常受损的血管。由 MCA 供血区域血流中断引起的局灶性神经功能缺损的快速发作被称为 MCA 卒中。Alberta 卒中项目早期 CT 评分（ASPECTS）用于评估 MCA 卒中患者早期缺血改变的范围。本研究提出一种基于深度学习的方法，对 CT 扫描进行 ASPECTS 评分。我们的工作有三个亮点。首先，我们提出了一种用于卒中检测的医学图像分割新方法。其次，我们展示了 AI 解决方案在给定非增强 CT（NCCT）扫描下实现全自动化 ASPECT 评分的有效性，并缩短了诊断时间。我们的算法在 MCA 解剖分割上的 dice 相似系数为 0.64，在梗死灶分割上为 0.72。最后，我们表明我们模型的性能与放射科医生之间的阅片者间变异性一致。
引用
@article{arxiv.2203.03622,
title = {Deep-ASPECTS: A Segmentation-Assisted Model for Stroke Severity Measurement},
author = {Ujjwal Upadhyay and Mukul Ranjan and Satish Golla and Swetha Tanamala and Preetham Sreenivas and Sasank Chilamkurthy and Jeyaraj Pandian and Jason Tarpley},
journal= {arXiv preprint arXiv:2203.03622},
year = {2022}
}