迈向基于深度学习的 DSA 图像序列分类用于卒中治疗的临床转化
医学物理
2023-06-13 v1 计算机视觉与模式识别
摘要
在卒中发生时，采用导管引导手术（取栓术）清除血栓。基于机器学习的数字减影血管造影（DSA）序列血栓检测自动分类的可行性已被证实。然而其尚未在临床中实时使用。我们提出一个用于血栓自动分类的开源工具，并在三个选定临床病例上测试其功能性与分类运行时间。使用我们训练的模型，M1 段所有大血管闭塞均被正确分类，一个残留的小 M3 血栓未被检出。运行时间根据所用硬件在 1 至 10 秒范围内。我们得出结论：我们的开源软件工具使临床人员能够（近）实时分类 DSA 序列，并可用于临床中的进一步研究。
引用
@article{arxiv.2306.06207,
title = {Towards clinical translation of deep-learning based classification of DSA image sequences for stroke treatment},
author = {Timo Baumgärtner and Benjamin J. Mittmann and Till Malzacher and Johannes Roßkopf and Michael Braun and Bernd Schmitz and Alfred M. Franz},
journal= {arXiv preprint arXiv:2306.06207},
year = {2023}
}
备注
This is the preprint version of the BVM paper accepted for publication in the conference proceedings of "Bildverarbeitung in der Medizin 2023"