Radiology：平扫CT对急性脑梗死的检测：通过机器学习加大与MRI的差距

在基线核对时确切标识梗死小脑部的存在及覆盖范围在急性血栓卒中都(AIS)的病患中都起着至关重要的作用，溶栓或取栓术对梗死覆盖范围广泛的高血压效果欠佳。平扫CT是评估急性小脑卒中都高血压梗死程度(展现出为数层)最常用的的成像手段。

由于受累大小脑地带的密度和缩放变化非常细微，并可能因正常的生理变化或陈旧恶性肿瘤而混淆，因此根据平扫CT对梗死灶同步进行定量分析评估极兼具挑战性。由于小脑部位图的频率、对比度较低以及层厚较厚，使得大多数传统的基于位图的再分分析方法变得困难重重。现阶段，一项相研究课题探索了将深度学习新科技（卷积神经网络骨架）应用于这一兼具挑战性的问题。然而，该项工作根本无法用于定性地测定小脑半球水平血栓恶性肿瘤的存在与否。

全因，撰写在Radiology杂志的一项研究课题以诱发权重(DW) MRI作为参阅国际标准，建立了一种利用平扫CT位图自动测定和定量分析AIS高血压小脑梗死的分析方法，为诊疗早期标识及诊疗小脑梗死恶性肿瘤并拟定最佳的病患方案包括了准确的新科技支持。

本研究课题回顾性地对2004年5年初至2009年7年初过后AIS发生后1小时内同步进行弥散权重(DW) MRI核对的AIS高血压(从症状出现到CT时间<6小时)的平扫CT位图同步进行了评估。以DW MRI位图上人工勾画的血栓恶性肿瘤为参阅国际标准。提出了一种基于数据处理（ML）的梗死恶性肿瘤自动再分分析方法。从157举例高血压的平扫CT位图中都随机选取，并在DW MRI位图上手动勾画恶性肿瘤标记以训练和验证ML模型;其余100举例独立于来源队列的高血压用于模型的测定。采用Bland-Altman图和Pearson相关性对ML迭代与参阅国际标准(DW MRI)同步进行定量分析比较。

在测试数据集中都的100举例高血压中都(中都位年龄，69岁;四分位数覆盖范围[IQR]: 59-76岁;59举例异性恋)，在症状出现后48分钟内(IQR, 27-93分钟)同步进行基线平扫CT成像;基线MRI在中都位数为38分钟(IQR, 24-48分钟)后同步进行成像。在急性DW MRI成像中都，迭代测定到的恶性肿瘤密度与研究课题专家勾画的参阅国际标准恶性肿瘤密度兼具相关性(r = 0.76, P < .001)。迭代再分密度之间的平均差值(中都位数，15 mL;IQR, 9-38 mL)和DW MRI容积(中都位数，19 mL;IQR, 5-43 mL)为11 mL (P = .89)。

图 该图揭示了平扫CT与诱发权重(DW) MRI迭代测定急性血栓恶性肿瘤的示举例图。有六个子图，分别标记行(I-III)和列(A和B)。在每个子图中都，最下面正要揭示的是基底节水平的成像位图，最下面正要揭示的是节上核水平的成像位图。在每个子图中都，左列为平扫CT位图，中都间列为平扫CT位图与迭代测定到的恶性肿瘤的叠加，右列为具体来说的DW MRI。

本研究课题表明，使用数据处理新科技自动测定血栓恶性肿瘤的分析方法在标识和量度急性血栓卒中都高血压基线平扫CT位图小脑部梗死恶性肿瘤方面揭示出了极大的诊疗大环境。该项新科技可转化为一常规诊疗核对流程，以协助牙医为这些高血压拟定最佳的病患决策。

译者出处：

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