基于人工智能自动分割技术对多发颅内动脉瘤蛛网膜下腔出血责任动脉瘤的判定价值
邓喜青
殷灿
段圣武
欧阳帆
中南大学湘雅医学院附属株洲医院放射影像科 湖南 株洲 412000
摘要：目的 探讨基于人工智能自动分割技术的多发颅内动脉瘤蛛网膜下腔出血(SAH)责任动脉瘤判定方法,为临床诊疗提供更精确、客观的决策依据.方法 选取 88 例多发颅内动脉瘤SAH患者,根据动脉瘤有无破裂分为破裂组88 个、未破裂组 115 个;检查采用联影人工智能软件自动分割动脉瘤并测量相关几何参数.比较两组动脉瘤大小、宽高比(AR)、大小比(SR)、形态、邻近SAH、邻近血肿及邻近血管痉挛等因素在判定责任动脉瘤中的作用.采用Logistic回归分析判定责任动脉瘤的独立预测因素.结果 88 例患者共 203 个动脉瘤,其中 88 个为破裂动脉瘤.单因素分析显示,破裂组与未破裂组动脉瘤大小、SR、形态、邻近 SAH及邻近血肿比较,差异均有统计学意义(P均<0.01).多因素Logistic 回归分析显示,邻近 SAH(OR=226.84,95%CI:30.42～1691.49)、形态不规则(OR=8.93,95%CI:2.52～31.56)、SR(OR=9.74,95%CI:3.36～28.19)和动脉瘤大小(OR=1.40,95%CI:1.12～1.76)是判定责任动脉瘤的独立预测因素.结论 通过人工智能自动分割技术可以提升动脉瘤几何参数测量的准确率与一致性,为多发颅内动脉瘤SAH的责任动脉瘤判定提供了参考依据.
关键词：多发颅内动脉瘤蛛网膜下腔出血责任动脉瘤体层摄影术X线计算机人工智能
分类号：R739.41(神经系肿瘤)R814.42(放射医学)
论文发表日期：2025-11-30
在线出版日期：2026-01-09（本平台首次上网日期，不代表文献的发表时间）
页数：5( 19-22,28 )
英文信息