Deep Learning Applications in Imaging of Acute Ischemic Stroke: A Systematic Review and Narrative Summary
Notice bibliographique
Résumé
Background Acute ischemic stroke (AIS) is a major cause of morbidity and mortality, requiring swift and precise clinical decisions based on neuroimaging. Recent advances in deep learning-based computer vision and language artificial intelligence (AI) models have demonstrated transformative performance for several stroke-related applications. Purpose To evaluate deep learning applications for imaging in AIS in adult patients, providing a comprehensive overview of the current state of the technology and identifying opportunities for advancement. Materials and Methods A systematic literature review was conducted following Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines. A comprehensive search of four databases from January 2016 to January 2024 was performed, targeting deep learning applications for imaging of AIS, including automated detection of large vessel occlusion and measurement of Alberta Stroke Program Early CT Score. Articles were selected based on predefined inclusion and exclusion criteria, focusing on convolutional neural networks and transformers. The top-represented areas were addressed, and the relevant information was extracted and summarized. Results Of 380 studies included, 171 (45.0%) focused on stroke lesion segmentation, 129 (33.9%) on classification and triage, 31 (8.2%) on outcome prediction, 15 (3.9%) on generative AI and large language models, and 11 (2.9%) on rapid or low-dose imaging specific to stroke applications. Detailed data extraction was performed for 68 studies. Public AIS datasets are also highlighted, for researchers developing AI models for stroke imaging. Conclusion Deep learning applications have permeated AIS imaging, particularly for stroke lesion segmentation. However, challenges remain, including the need for standardized protocols and test sets, larger public datasets, and performance validation in real-world settings. © RSNA, 2025
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) | 0,005 | 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 ».