Posterior circulation stroke: machine learning-based detection of early ischemic changes in acute non-contrast CT scans
Notice bibliographique
Résumé
OBJECTIVES: Triage of patients with basilar artery occlusion for additional imaging diagnostics, therapy planning, and initial outcome prediction requires assessment of early ischemic changes in early hyperacute non-contrast computed tomography (NCCT) scans. However, accuracy of visual evaluation is impaired by inter- and intra-reader variability, artifacts in the posterior fossa and limited sensitivity for subtle density shifts. We propose a machine learning approach for detecting early ischemic changes in pc-ASPECTS regions (Posterior circulation Alberta Stroke Program Early CT Score) based on admission NCCTs. METHODS: The retrospective study includes 552 pc-ASPECTS regions (144 with infarctions in follow-up NCCTs) extracted from pre-therapeutic early hyperacute scans of 69 patients with basilar artery occlusion that later underwent successful recanalization. We evaluated 1218 quantitative image features utilizing random forest algorithms with fivefold cross-validation for the ability to detect early ischemic changes in hyperacute images that lead to definitive infarctions in follow-up imaging. Classifier performance was compared to conventional readings of two neuroradiologists. RESULTS: Receiver operating characteristic area under the curves for detection of early ischemic changes were 0.70 (95% CI [0.64; 0.75]) for cerebellum to 0.82 (95% CI [0.77; 0.86]) for thalamus. Predictive performance of the classifier was significantly higher compared to visual reading for thalamus, midbrain, and pons (P value < 0.05). CONCLUSIONS: Quantitative features of early hyperacute NCCTs can be used to detect early ischemic changes in pc-ASPECTS regions. The classifier performance was higher or equal to results of human raters. The proposed approach could facilitate reproducible analysis in research and may allow standardized assessments for outcome prediction and therapy planning in clinical routine.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».