基于不同模态影像的急性缺血性脑卒中计算机辅助阿尔伯塔卒中项目早期计算机断层扫描评分研究进展

• 作者: 刘乃嘉 胡颖 杨一风 李跃华
• 来源期刊: 生物医学工程学杂志
• 关键词: 急性缺血性脑卒中 计算机辅助诊断 阿尔伯塔卒中项目早期计算机断层扫描评分 深度学习
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 综述|Reviews
• 页码范围: 790-796,804
• 页数: 8页
• 语种: 中文
• DOI: 10.7507/1001-5515.202012037

摘要

临床主要通过非对比计算机断层扫描(NCCT)快速诊断脑卒中的类型和区域,并借助阿尔伯塔卒中项目早期计算机断层扫描评分(ASPECTS)指导下一步的治疗.然而,在急性缺血性脑卒中(AIS)早期,NCCT上的轻度脑梗肉眼难以分辨,参与ASPECTS评分的脑区之间无明显边界,导致临床评分存在一定困难.基于机器学习和深度学习的方法能够快速、准确地从现有影像中识别脑梗区域,并对参与评分的脑区进行分割,辅助医生进行ASPECTS定量评分,这对于改善临床评分存在不一致性的问题具有重要意义.本文首先对AIS评分领域现阶段面临的挑战进行了阐述,之后从传统机器学习和深度学习两个方面概述了计算机辅助技术在ASPECTS评分中的研究现状.最后,对该领域的研究方向进行了总结和展望,并提出基于多模态影像数据的计算机辅助系统对提高AIS评估的全面性和准确性具有很高的价值,以期为AIS辅助评估领域探索新的研究方向.