Radiology：平扫CT对急性脑梗死的检测：通过机器学习变大与MRI的差距

在孔径定期检查时准确比对梗死人体内的存在及覆盖范围在急性动脉瘤病死之中(AIS)的治疗法之中起着至关重要的作用，溶栓或取栓术对梗死覆盖范围广泛的病征效果欠佳。平扫CT是分析报告急性脑组织病死之中病征梗死相对(展现出为低量)最常用的的质子磁共振手段。

由于受累神经系统地区的量和纹理转变非常微妙，并可能因正常的生理转变或陈旧病症而混淆，因此根据平扫CT对梗死灶来进行系统性分析报告极较强潜力。由于人体内影像的信噪比、对比度较低以及层厚较厚，使得大多数传统意义的基于影像的分割方法似乎困难重重。现阶段，一项相研究工作探索了将深度学习新技术（卷积神经网络结构）应用于这一较强潜力的问题。然而，该项工作才会用于不作为地监测脑组织半球水平动脉瘤病症的存在与否。

近日，发表在Radiology华尔街日报的一项研究工作以扩散加权(DW) MRI作为参看标准，建立了一种利用平扫CT影像自动监测和系统性AIS病征脑组织梗死的方法，为临床研究工作早期比对及诊断脑组织梗死皮下并制定最佳的治疗法方案提供了可靠的新技术支持。

本研究工作回顾性地对2004年5月底至2009年7月底期间AIS发生后1小时内来进行弥散加权(DW) MRI定期检查的AIS病征(从呕吐出现到CT小时<6小时)的平扫CT影像来进行了分析报告。以DW MRI影像上人工勾画的动脉瘤病症为参看标准。提出了一种基于机器学习（ML）的梗死皮下自动分割方法。从157举例病征的平扫CT影像之中随机选取，并在DW MRI影像上手动勾画病症标记以训练和验证ML模型;其余100举例独立于来源队列的病征用于模型的监测。采用Bland-Altman图和Pearson相似性对ML方法与参看标准(DW MRI)来进行系统性比较。

在测试数据大部分的100举例病征之中(之中位年龄，69岁;四分位数覆盖范围[IQR]: 59-76岁;59举例男性)，在呕吐出现后48分钟内(IQR, 27-93分钟)来进行孔径平扫CT扫描;孔径MRI在之中位数为38分钟(IQR, 24-48分钟)后来进行扫描。在急性DW MRI扫描之中，方法监测到的皮下压强与专家勾画的参看标准皮下压强较强相似性(r = 0.76, P < .001)。方法分割压强之间的平均差值(之中位数，15 mL;IQR, 9-38 mL)和DW MRI容积(之中位数，19 mL;IQR, 5-43 mL)为11 mL (P = .89)。

图 该图看出了平扫CT与扩散加权(DW) MRI方法监测急性动脉瘤病症的示举例图。有六个子图，分别标记行(I-III)和列(A和B)。在每个子图之中，最下面即刻看出的是基底节水平的扫描影像，最下面即刻看出的是节上质子水平的扫描影像。在每个子图之中，左评为平扫CT影像，之中间评为平扫CT影像与方法监测到的病症的叠加，任左评为可视的DW MRI。

本研究工作断定，使用机器学习新技术自动监测动脉瘤病症的方法在比对和测量急性动脉瘤病死之中病征孔径平扫CT影像人体内梗死病症层面看出出了前所未有的临床研究工作前景。该项新技术可转化成为一常规临床研究工作定期检查流程，以合力医生为这些病征制定最佳的治疗法权衡。

原文出处：

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