Dyb forbedret billeddannelse i slagtilfælde og vaskulær neurologi

Tidlig diagnosticering af hjerneinfarkt, påvisning af iskæmisk penumbra, evaluering af kollateral cirkulation og identifikation af vaskulære læsioner ved billeddiagnostik er afgørende for behandlingsbeslutning og resultatforbedring ved cerebral slagtilfælde. Multimodal computertomografi (CT) og magnetisk resonans (MR) billeddannelse er de mest udbredte og tilgængelige tilgange i kliniske scenarier. Disse to tilgange nedgraderes enten ved strålingseksponering eller lang scanningstid, hvilket kan hindre den hurtige behandling af patienter. Deep learning har vist betydelige resultater inden for medicinsk billedbehandling. Merværdien af ​​deep learning-metoden i slagtilfælde og vaskulær neurologi er ikke blevet grundigt valideret. I denne undersøgelse havde vi til formål at undersøge ydeevnen af ​​forbedret computertomografi (CT) eller magnetisk resonans (MR) billeddannelse ved dyb læring i forhold til konventionel CT eller MR billeddannelse i hjerneslag og vaskulær neurologi. Vi forventer, at den dybt forbedrede billeddiagnostiske metode kan forkorte tidsopholdet i billeddiagnostiksessionen af ​​apopleksipatienter, optimere den overordnede billeddannelseskvalitet og forbedre patienternes pleje i billeddiagnostiksessionen.