A novel fully automated method for measuring ASPECTS to improve stroke diagnosis: Comparison to traditional ASPECTS
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: To compare the accuracy of subjective Alberta Stroke Program Early CT Score (sASPECTS) evaluation and that of an automated prototype software (aASPECTS) on nonenhanced CT (NECT) in patients with early anterior territory stroke and controls using side-to-side quantification of hypoattenuated brain areas. METHODS: We retrospectively analyzed the NECT scans of 42 consecutive patients with ischemic stroke before reperfusion and 42 controls using first sASPECTS and subsequently aASPECTS. We assessed the differences in Alberta Stroke Program Early CT Score (ASPECTS) and calculated the sensitivity and specificity of NECT with CT perfusion, whereas cerebral blood volume (CBV) served as the reference standard for brain infarction. RESULTS: The clot was located in the middle cerebral artery (MCA) in 47.6% of cases and the internal carotid artery (ICA) in 28.6% of cases. Ten cases presented combined ICA and MCA occlusions. The stroke was right sided in 52.4% of cases and left sided in 47.6%. Reader-based NECT analysis yielded a median sASPECTS of 10. The median CBV-based ASPECTS was 7. Compared to the area of decreased CBV, sASPECTS yielded a sensitivity of 12.5% and specificity of 86.8%. The software prototype (aASPECTS) yielded an overall sensitivity of 65.5% and a specificity of 92.2%. The interreader agreement for ASPECTS evaluation of admission NECT and follow-up CT was almost perfect (κ = .93). The interreader agreement of the CBV color map evaluation was substantial (κ = .77). CONCLUSIONS: aASPECTS of NECT can outperform sASPECTS for stroke detection.
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 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».