机构名称：
¥ 1.0
摘要 创伤性脑损伤 (TBI) 通常会导致中线移位 (MLS)，这是头部损伤严重程度和预后的关键指标。在过去十年中，使用人工智能 (AI) 技术自动分析头部计算机断层扫描 (CT) 扫描中的 MLS 引起了广泛关注，并有望提高诊断效率和准确性。本综述旨在总结基于 AI 的 TBI 病例 MLS 分析方法的研究现状，确定所采用的方法，评估算法的性能，并得出关于其潜在临床适用性的结论。进行了全面的文献检索，确定了 15 篇不同的出版物。对已确定的文章进行了分析，重点关注使用 AI 技术进行 MLS 检测和量化，包括它们的 AI 算法选择、数据集特征和方法。所综述的文章涵盖了与 MLS 检测和量化相关的各个方面，采用在二维或三维 CT 成像数据集上训练的深度神经网络。数据集大小从 11 名患者的 CT 扫描到 25,000 张 CT 图像不等。AI 算法的性能在准确度、灵敏度和特异性方面表现出差异，灵敏度范围为 70% 到 100%，特异性范围为 73% 到 97.4%。利用深度神经网络的基于 AI 的方法已显示出在 TBI 病例中 MLS 的自动检测和量化方面的潜力。然而，不同的研究人员使用了不同的技术；因此，很难进行批判性比较。需要进一步研究和评估方案的标准化，以确定这些 AI 算法在临床实践中用于 MLS 检测和量化的可靠性和通用性。研究结果强调了 AI 技术在改善 MLS 诊断和指导 TBI 管理临床决策方面的重要性。
自动中线移位检测和量化...
主要关键词
相关文件推荐
