Detekcia akútneho ischemického mozgového infarktu na CT bez kontrastnej látky: Prístup s hlbokým učením

Akútny ischemický mozgový infarkt je vedúcou príčinou invalidity a smrti, pričom účinná liečba vyžaduje rýchlu a presnú diagnózu. Počítačová tomografia bez kontrastnej látky (NCCT) sa široko používa pri počiatočnom skríningu ischemického mozgového infarktu, ale detekcia je náročná kvôli jemným alebo nerozlíšiteľným zmenám na NCCT. Výskumný tím trénoval algoritmus hlbokého učenia na klasifikáciu pacientov s ischemickým mozgovým infarktom a segmentáciu ložísk mozgového infarktu pomocou hyperakútnych NCCT snímkov a difúzne vážených MRI snímkov ako referenčného štandardu. Model ResNet50 dosiahol najlepší výkon s presnosťou 98,5%, špecifickosťou 97,4% a citlivosťou 100% na evaluačnej sade. Výkon klasifikácie zostal silný aj pri ložiskách menších ako 5 mL, ktoré tvorili väčšinu evaluačných prípadov. Pri segmentácii pomocou U-Net architektúr bol výkon prijateľný pre veľké ložiská, ale výrazne sa zhoršil pre menšie ložiská. Tieto zistenia demonštrujú uskutočniteľnosť hlbokého učenia pri detekcii ischemického mozgového infarktu a predstavujú krok smerom k rýchlejšej triedeniu a liečbe pacientov s mozgovým infarktom.