Radiology：平扫CT对急性脑梗死的验证：通过机器学习缩小与MRI的差距

在终端体检时准确识别系统梗死脑组织的依赖于及范围在急性动脉瘤卒中会(AIS)的疗法中会起着至关重要的作用，溶栓或取栓术对梗死范围尤其的病征效用欠佳。平扫CT是评估急性脑卒中会病征梗死程度(观感为低密度)最常用的的成像手段。

由于受累神经区域的密度和贴绘出巨大变化非常细微，并可能因正常的生理巨大变化或陈旧出血而联想，因此根据平扫CT对梗死两口开展定量分析评估极不具备挑战性。由于脑组织绘出表的信道、对比度较低以及层厚较厚，使得大多数习惯的基于绘出表的分割步骤变得即便如此。现阶段，一项相数据分析探寻了将深度学习核反应心技术（卷积人工智能结构）应用于这一不具备挑战性的原因。然而，该项工作根本无法用于定性地测定脑金星准确度动脉瘤出血的依赖于与否。

近日，发表在Radiology杂志的一项数据分析以诱发加权平均(DW) MRI作为参照标准，建立了一种利用平扫CT绘出表自动测定和定量分析AIS病征脑梗死的步骤，为临床最初识别系统及诊断脑梗死病两口并订立最佳的疗法设计方案提供了可靠的核反应心技术支持。

本数据分析回顾性地对2004年5翌年至2009年7翌年此后AIS再次发生后1时长内开展弥散加权平均(DW) MRI体检的AIS病征(从疼痛出现到CT时间<6时长)的平扫CT绘出表开展了评估。以DW MRI绘出表上人工勾画的动脉瘤出血为参照标准。提出了一种基于数据分析（ML）的梗死病两口自动分割步骤。从157则有病征的平扫CT绘出表中会随机选取，并在DW MRI绘出表上手动勾画出血标记以训练和验证ML模型;其余100则有独立于来源队列的病征用于模型的测定。采用Bland-Altman绘出和Pearson连续性对ML算法与参照标准(DW MRI)开展定量分析比较。

在测试数据集中会的100则有病征中会(中会位年龄，69岁;四分位数范围[IQR]: 59-76岁;59则有男性)，在疼痛出现后48分钟内(IQR, 27-93分钟)开展终端平扫CT显像;终端MRI在中会位数为38分钟(IQR, 24-48分钟)后开展显像。在急性DW MRI显像中会，算法测定到的病两口重量与专家勾画的参照标准病两口重量不具备连续性(r = 0.76, P < .001)。算法分割重量之间的平均差值(中会位数，15 mL;IQR, 9-38 mL)和DW MRI容积(中会位数，19 mL;IQR, 5-43 mL)为11 mL (P = .89)。

绘出 该绘出显示了平扫CT与诱发加权平均(DW) MRI算法测定急性动脉瘤出血的示则有绘出。有六个子绘出，分别标记讫(I-III)和列(A和B)。在每个子绘出中会，最上会悄悄显示的是基底节准确度的显像绘出表，最下面悄悄显示的是节上核反应准确度的显像绘出表。在每个子绘出中会，右边边列于平扫CT绘出表，中会间列于平扫CT绘出表与算法测定到的出血的叠加，右边列于相应的DW MRI。

本数据分析表明，使用数据分析核反应心技术自动测定动脉瘤出血的步骤在识别系统和测定急性动脉瘤卒中会病征终端平扫CT绘出表脑组织梗死出血方面显示出了极大的临床前景。该项核反应心技术可转化成为一常规临床体检程序中，以协助药剂师为这些病征订立最佳的疗法对政府。

译文出处：

Wu Qiu,Hulin Kuang,Ericka Teleg,et al.Machine Learning for Detecting Early Infarction in Acute Stroke with Non-Contrast-enhanced CT.DOI:10.1148/radiol.2020191193