.png){kind=icon}
返回
Automatic collateral quantification in acute ischemic stroke using U2-net
.png){kind=icon}
OA
AI
DOI：10.3389/fneur.2025.1502382.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标：利用U-2-Net深度学习框架，通过计算机断层扫描血管成像（CTA）图像对急性缺血性卒中（AIS）的侧支循环进行自动化定量，并比较其与传统视觉侧支评分（vCS）的性能。方法：收集118例确诊AIS病例，分为94例开发集和24例测试集。CTA图像经过预处理和标注。U-2-Net被训练用于分割侧支血管，根据受影响半球与健康半球的血管体积比生成定量侧支评分（qCS）。通过Dice相似系数（DSC）、Spearman相关系数、组内相关系数（ICC）和准确率评估性能，并与vCS（Tan和Menon评分）及金标准进行比较。结果：U-2-Net展现出稳健的分割能力，测试集平均DSC为0.75。qCS与vCS呈强相关，rho值范围为0.78至0.92。与更精细的六分类Menon评分相比，qCS表现出更强的一致性（开发集：ICC = 0.83，测试集：ICC = 0.93），优于与四分类Tan评分的比较（开发集：ICC = 0.76，测试集：ICC = 0.79）。在分类准确率方面，AI模型在四分类中与金标准和vCS的准确率分别为0.83和0.71；在二分类中，准确率提升至0.88和0.83，强调其区分侧支状态的能力。结论：我们的U-2-Net AI模型为AIS侧支循环的定量提供了一种可靠、客观的工具。qCS与vCS高度一致，证实了自动化侧支评估的可行性，可能提高诊断准确性并优化治疗决策。
Keyword:
quantitative collateral score
visual collateral score
acute ischemic stroke
deep learning
U-2-Net
期刊
IF:
2.8
论文数:
4.3K
被引数:
4.7W
机构
暂无机构信息
引用论文
Value of Quantitative Collateral Scoring on CT Angiography in Patients with Acute Ischemic Stroke
OAAI
OAAI分享收藏The diagnostic reliability and validity of noninvasive imaging modalities to assess leptomeningeal collateral flow for ischemic stroke patients.png)
MedicineOAAI
MedicineIF0
OAAI分享收藏Systematic comparison of perfusion-CT and CT-angiography in acute stroke patientsANNALS OF NEUROLOGY
ANNALS OF NEUROLOGYIF7.7
PREAI
分享收藏Collateral Circulation in Thrombectomy for Stroke After 6 to 24 Hours in the DAWN TrialSTROKEOAAI
STROKEIF8.9
OAAI分享收藏Artificial Intelligence for Clinical Decision Support in Acute Ischemic Stroke: A Systematic Review人工智能在急性缺血性卒中临床决策支持中的系统评价STROKEOAAI
STROKEIF8.9
OAAI分享收藏Deep learning for collateral evaluation in ischemic stroke with imbalanced data基于不平衡数据集的缺血性卒中侧支循环评估的深度学习方法
PREAI
分享收藏
查看更多内容