机构名称：
¥ 1.0
摘要 背景 近年来，机器学习 (ML) 在提供神经影像学研究的自动化分析方面取得了显著成功，其作用在未来可能会增加。因此，对于临床医生来说，了解这些方法、获得解释 ML 结果的能力以及学习如何评估算法性能至关重要。 目的 概述 ML，介绍其在急性中风成像中的作用，讨论评估算法的方法，然后对现有方法进行评估。 方法 在本综述中，我们概述了医学影像分析中常用的 ML 技术和评估性能的方法。然后，我们查阅相关出版物的文献。于 2021 年 11 月在 Ovid Medline 和 PubMed 中进行了搜索。纳入标准包括英文研究，报告在急性缺血性中风或机械血栓切除术的环境和应用中使用人工智能 (AI)、机器学习或类似技术。本讨论包括包含具有有意义结果和合理 ML 方法的图像级数据的文章。结果 使用 ML 方法发表了许多关于急性卒中成像的出版物，包括大血管闭塞检测、颅内出血检测和量化以及梗塞中心检测。成像输入包括非造影头部 CT、CT 血管造影和 MRI，具有多种性能。我们讨论并回顾了一些最相关的出版物。结论 ML 在急性缺血性卒中成像中已经取得了巨大进展。额外的应用和与临床护理的进一步整合是不可避免的。因此，对于神经介入临床医生来说，掌握这些方法至关重要。
机器学习和急性中风成像
主要关键词
相关文件推荐
