影像机器学习方法在急性缺血性脑卒中的研究进展
急性缺血性脑卒中(acute ischemic stroke,AIS)是国人最常见的卒中类型,同时也是严重长期残疾的首要原因[1],由于AIS患者治疗时间窗窄,及时的病情评估和快速的诊断、治疗对于患者的预后至关重要.然而,根据Alberta卒中操作早期急性卒中分级CT评分(ASPECT)和磁共振灌注加权成像(PWI)-扩散加权成像(DWI)不匹配用作及时干预的简单指标还不能准确地预测AIS患者的临床结果[1～3].机器学习(machine leaning,ML)是人工智能的一个分支,本质是基于某种算法指导计算机利用已知数据得出适当的模型,并利用此模型对新的情境给出判断的过程[4].近年来,ML已用于AIS患者个性化治疗的各个环节,如早期识别梗死核心区和缺血半暗带的大小[5,6]、预估AIS的发病时间[7,8]、预测并发症[9,10]以及评价患者预后[11,12].笔者对于ML在AIS中的最新应用展开综述,并探讨ML在AIS发展中的潜力和存在的局限性.
急性缺血性脑卒中、机器学习方法
40
R743.3;TP391.41;TP181
基础研究项目CY2017-MS03
2021-07-13（万方平台首次上网日期，不代表论文的发表时间）
共3页
822-824
