人工智能可以加快中风的检测

在磁共振成像(mri)上及时发现和准确分割急性缺血性脑卒中(AIS)病变是血管内治疗患者分诊的必要条件。病灶分割是一个常规的过程，在大脑图像中的异常区域由专家放射科医生定性和手动挑选。然而，人工病灶分割耗时长，且存在操作员偏差。因此，高效、低成本的AIS病变筛查方法还有待进一步研究。

本研究介绍了一种全新的全自动检测技术分割并将图像分为脑卒中和非脑卒中。这种全自动异常检测方法将受试者的扩散加权图像(DWIs)和表观扩散系数(ADC)图像与一组体素级健康图像进行比较。DWI高、ADC低的区域被识别为病灶，保存为病灶掩膜。对近100例病例的病变分割方法进行了研究。由于伪影、噪声和图像分辨率低，存在病灶识别错误的风险，因此通过二元分类器对该方法创建的病灶掩膜进行筛选和过滤，从而确定所创建的病灶掩膜是否包含真正的AIS病灶。通过约200个核磁共振成像评估分类性能。

发表的结果在神经科学方法杂志显示与手工绘制的良好一致病变由专家(黄金标准)。整个方法包括病灶分割和图像分类，简单、快速，对计算能力和内存要求不高。

“我们相信这种方法可以在普通的桌面工作站上实现，集成到医院的常规临床诊断管道中。这种方法可以帮助放射科医生加快病灶检测的工作流程，并由于方法的可重复性减少病灶分割的操作偏差，”图尔库PET中心的项目研究员Sanaz Nazari-Farsani说。

---

---