Radiology：平扫CT对急性脑梗死的检测：通过机器学习变小与MRI的差距

在终端检查时吻合识别梗死神经组织的发挥作用及以内在急性血栓馀中的(AIS)的治疗中的起着至关重要的关键作用，溶栓或取栓术对梗死以内广泛的病征效果欠佳。平扫CT是风险评估急性脑干馀中的病征梗死持续性(发挥为低密度)最常用的的成像新技术手段。

由于则有大脑干周边的密度和纹理变化相当更深，并可能因正常的生理反应变化或粗劣病因而联想，因此根据平扫CT对梗死灶顺利进行化学合成风险评估极具有启发性。由于神经组织位示意图的信噪比、对比度较低以及层厚较厚，使得大多数有别于的基于位示意图的分离分析方法变得困难重重。现阶段，一项相分析聚焦了将尺度学习新技术（卷积神经网络结构）应用于这一具有启发性的问题。然而，该项工作只能用于定性地检测脑干而会高度血栓病因的发挥作用与否。

近日，发表在Radiology杂志的一项分析以渗入加权(DW) MRI作为详见新标准，建立了一种透过平扫CT位示意图自动检测和化学合成AIS病征脑干梗死的分析方法，为针灸现代识别及病人脑干梗死病灶并订定最佳的治疗方案提供了精确的新技术支持。

本分析回顾性地对2004年5月至2009年7月期间AIS暴发后1小时内顺利进行强磁场加权(DW) MRI检查的AIS病征(从症状经常出现到CT时间<6小时)的平扫CT位示意图顺利进行了风险评估。以DW MRI位示意图上人工勾画的血栓病因为详见新标准。提出了一种基于人工智能（ML）的梗死病灶自动分离分析方法。从157可有病征的平扫CT位示意图中的随机选取，并在DW MRI位示意图上手动勾画病因标记以训练和验证ML模型;其余100可有独立于来源队列的病征用于模型的检测。采用Bland-Altman示意图和Pearson关联性对ML算法与详见新标准(DW MRI)顺利进行化学合成比较。

在测试数据之外的的100可有病征中的(中的位年龄，69岁;四分位数以内[IQR]: 59-76岁;59可有男性)，在症状经常出现后48分钟内(IQR, 27-93分钟)顺利进行终端平扫CT显影;终端MRI在中的位数为38分钟(IQR, 24-48分钟)后顺利进行显影。在急性DW MRI显影中的，算法检测到的病灶量与专家勾画的详见新标准病灶量具有关联性(r = 0.76, P < .001)。算法分离量之间的平均差值(中的位数，15 mL;IQR, 9-38 mL)和DW MRI容积(中的位数，19 mL;IQR, 5-43 mL)为11 mL (P = .89)。

示意图 该示意图说明了了平扫CT与渗入加权(DW) MRI算法检测急性血栓病因的示可有示意图。有六个子示意图，分别标记行(I-III)和列(A和B)。在每个子示意图中的，最上面恰巧说明了的是基底节高度的显影位示意图，最下面恰巧说明了的是节上核高度的显影位示意图。在每个子示意图中的，右边列为平扫CT位示意图，中的间列为平扫CT位示意图与算法检测到的病因的叠加，右列为相应的DW MRI。

本分析说明了，使用人工智能新技术自动检测血栓病因的分析方法在识别和测量急性血栓馀中的病征终端平扫CT位示意图神经组织梗死病因全面性说明了出了极大的针灸前景。该项新技术可转化为一常规针灸检查流程，以协助医生为这些病征订定最佳的治疗协调。

中的文翻译注解：

Wu Qiu,Hulin Kuang,Ericka Teleg,et al.Machine Learning for Detecting Early Infarction in Acute Stroke with Non-Contrast-enhanced CT.DOI:10.1148/radiol.2020191193