DGA3-Net: A parameter-efficient deep learning model for ASPECTS assessment for acute ischemic stroke using non-contrast computed tomography
Notice bibliographique
Résumé
Detecting the early signs of stroke using non-contrast computerized tomography (NCCT) is essential for the diagnosis of acute ischemic stroke (AIS). However, the hypoattenuation in NCCT is difficult to precisely identify, and accurate assessments of the Alberta Stroke Program Early CT Score (ASPECTS) are usually time-consuming and require experienced neuroradiologists. To this end, this study proposes DGA3-Net, a convolutional neural network (CNN)-based model for ASPECTS assessment via detecting early ischemic changes in ASPECTS regions. DGA3-Net is based on a novel parameter-efficient dihedral group CNN encoder to exploit the rotation and reflection symmetry of convolution kernels. The bounding volume of each ASPECTS region is extracted from the encoded feature, and an attention-guided slice aggregation module is used to aggregate features from all slices. An asymmetry-aware classifier is then used to predict stroke presence via comparison between ASPECTS regions from the left and right hemispheres. Pre-treatment NCCTs of suspected AIS patients were collected retrospectively, which consists of a primary dataset (n = 170) and an external validation dataset (n = 90), with expert consensus ASPECTS readings as ground truth. DGA3-Net outperformed two expert neuroradiologists in regional stroke identification (F1 = 0.69) and ASPECTS evaluation (Cohen's weighted Kappa = 0.70). Our ablation study also validated the efficacy of the proposed model design. In addition, class-relevant areas highlighted by visualization techniques corresponded highly with various well-established qualitative imaging signs, further validating the learned representation. This study demonstrates the potential of deep learning techniques for timely and accurate AIS diagnosis from NCCT, which could substantially improve the quality of treatment for AIS patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».