基于CT图像的高精度血肿检测与脑血肿扩大预测模型研究
许启仲1
陈义均2
尹游兵3
高鸣泽3
夏军1
1.深圳市第二人民医院,广东 深圳 5180352.深圳市罗湖区人民医院,广东 深圳 5180003.深圳科亚医疗科技有限公司,广东 深圳 518116
摘要：目的:开发一种可无缝整合脑出血(CH)患者的血肿扩大(HE)成像数据和临床信息的自动化模型,并评估其预测价值.方法:回顾性收集 2016 年 9 月至 2020 年 10 月在深圳市第二人民医院及深圳市罗湖区人民医院行颅脑计算机断层扫描(CT)的患者及其临床基线资料.模型训练分为两部分,第一部分是开发出血类型识别模型,纳入了深圳市第二人民医院 2836 例病例资料;第二部分为开发HE预测模型,纳入了 530 例CH患者的资料,包括228 例HE阳性患者和 302 例HE阴性患者.外部临床验证队列由深圳市第二人民医院及深圳市罗湖区人民医院收集的共 9677 例患者组成,与第一队列无重叠.结果:对于出血类型分类模型,2 分类模型(是否有CH)的准确度、灵敏度与特异度都达到了100.00%.对于HE病例的预测,基于图像和临床特征训练的深度学习模型在内部测试集和临床验证队列中的受试者工作特征曲线下面积(AUROC)分别为 0.865 和 0.862.结论:深度学习模型对HE的预测快速准确,表明了在临床环境中改进诊断和治疗计划程序的潜力.
关键词：卷积神经网络递归神经网络血肿扩大预测模型
分类号：R445.3(诊断学)
资助基金：深圳市科技创新委员会基础研究面上项目(JCYJ20190806164409040)
论文发表日期：2024-05-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1-5,后插1-后插2,封3 )
英文信息