Radiology：人工智能在神经放射学卒中领域的又一进展！
2021-05-02 shaosai MedSci原创
2015年，随着几项随机对照试验的发表，急性中风的治疗及管理发生了显着变化，研究表明对于大血管闭塞（LVO）性卒中患者来说，血管内治疗比单独使用阿替普酶更有效。
2015年，随着几项随机对照试验的发表，急性中风的治疗及管理发生了显着变化，研究表明对于大血管闭塞（LVO）性卒中患者来说，血管内治疗比单独使用阿替普酶更有效。此外，血管内治疗的治疗效果在很大程度上取决于时间，甚至每早一分钟进行治疗都可以明显改善患者预后。LVO卒中是医学上最具时效性的诊断之一，必须迅速做出诊断并进行紧急的血管内治疗以降低发病率和死亡率。 CT血管造影是一种快速确认或排除LVO的常用影像学手段，是所有急性卒中的标准成像手段。深度学习作为机器学习的一大分支，其最新进展激发了卷积神经网络在计算机视觉问题中发挥高水平作用的新研究。现阶段，深度学习已被用于神经放射学的多个领域，例如在MRI上进行微出血的分割以及自动识别并分割缺血性脑损伤病变等。 鉴于深度学习在神经放射学的多个领域的成功应用，近日，发表在Radiology杂志的一项研究探讨了使用卷积神经网络在多期相CT血管造影中检测急性LVO的可行性，为临床早期、快速且准确的识别及诊断LVO提供了技术上的支持。 本项多中心回顾性研究评估了2017年2月至2018年6月期间疑似急性缺血性脑卒中的540名患者，每位患者均接受了CT血
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#神经放射#
98
#放射学#
95
卒中虽然是临床上常见病，溶栓，取栓等血管内治疗也很成熟，但是仍然有很多未知问题有待认知！
110