影像机器学习方法在急性缺血性脑卒中的研究进展
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

影像机器学习方法在急性缺血性脑卒中的研究进展

引用
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

相关文献
评论
暂无封面信息
查看本期封面目录

临床放射学杂志

1001-9324

42-1187/R

40

2021,40(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn