典型文献
基于DWI+FLAIR图像的急性缺血性卒中患者发病时间预测
文献摘要：
为精准预测急性卒中发病时间,结合DWI图像与液体衰减反转恢复序列(fluid attenuated inversion recovery,FLAIR)的差异,采用Inception V3网络对图像特征进行提取,然后利用Softmax函数对急性缺血性脑卒中患者的发病时间进行分类预测,最后以三台医院的317例急性缺血性脑卒中患者MRI影像作为数据集进行验证.结果表明,本研究构建的多序列(DWI+FLAIR)深度学习模型具有较强的分类预测能力,预测精度达85.7％,AUC值达0.852;相较于单序列和人工判断,所提的多序列深度学习模型对急性缺血性脑卒中患者的发病时间预测精度更高.由此得出,本模型可更好辅助临床医师判断急性缺血性脑卒中患者的发病时间,从而为提前介入治疗提供了可靠证据.
文献关键词：
急性卒中;DWI图像;FLAIR序列;InceptionV3模型;多序列模型
中图分类号：
作者姓名：
王燕玲;王超;赵刚
作者机构：
川北医学院附属三台医院 四川绵阳 621100;成都医学院 四川成都 610500
文献出处：
引用格式：
[1]王燕玲;王超;赵刚-.基于DWI+FLAIR图像的急性缺血性卒中患者发病时间预测)[J].生命科学仪器,2022(04):65-70
A类：
DWI+FLAIR
B类：
急性缺血性卒中,发病时间,时间预测,精准预测,急性卒中,液体衰减反转恢复序列,fluid,attenuated,inversion,recovery,图像特征,Softmax,急性缺血性脑卒中,脑卒中患者,分类预测,三台,研究构建,深度学习模型,预测能力,单序列,临床医师,提前介入,介入治疗,InceptionV3,多序列模型
AB值：
0.240129
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
