基于DWI+FLAIR图像的急性缺血性卒中患者发病时间预测
为精准预测急性卒中发病时间,结合DWI图像与液体衰减反转恢复序列(fluid attenuated inversion recovery,FLAIR)的差异,采用Inception V3网络对图像特征进行提取,然后利用Softmax函数对急性缺血性脑卒中患者的发病时间进行分类预测,最后以三台医院的317例急性缺血性脑卒中患者MRI影像作为数据集进行验证.结果表明,本研究构建的多序列(DWI+FLAIR)深度学习模型具有较强的分类预测能力,预测精度达85.7%,AUC值达0.852;相较于单序列和人工判断,所提的多序列深度学习模型对急性缺血性脑卒中患者的发病时间预测精度更高.由此得出,本模型可更好辅助临床医师判断急性缺血性脑卒中患者的发病时间,从而为提前介入治疗提供了可靠证据.
急性卒中、DWI图像、FLAIR序列、InceptionV3模型、多序列模型
20
TP399(计算技术、计算机技术)
2023-02-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
65-70