Détection précoce des accidents vasculaires cérébraux de type ischémiques à partir des images tomodensitométriques.
Notice bibliographique
Résumé
Le but de cette étude est de mettre au point une nouvelle méthode automatique de détection des lésions ischémiques cérébrales précoces sur des images de tomodensitométrie, en se basant sur la symétrie entre les hémisphères cérébraux. L'Alberta Stroke Program (ASPECTS) a été proposée pour aider les radiologistes à prendre des décisions en matière de traitement thrombolytique. Seuls les patients avec des balayages de base favorables (ASPECTS, 8–10) peuvent bénéficié du traitement de revascularisation endovasculaire. La classification des images en normales et anormales dépend des caractéristiques des côtés gauche et droit du cerveau. Pour une détection précise, nous avons intégré un algorithme d'estimation automatique de la ligne médiane pour le tracer correctement. La méthode proposée comporte cinq étapes: prétraitement, segmentation de 10 régions d'intérêt (ROI), élimination des anciens infarctus et de l'espace du liquide céphalo-rachidien (LCR) et extraction des caractéristiques et la détection des lésions. Les caractéristiques obtenues à partir de dix ROI ont ensuite été utilisées pour sélectionner les régions anormales et calculer le score ASPECTS correspondant. La méthode a été appliquée à 50 patients atteints d'infarctus de l'artère cérébrale moyenne (ACM) qui se sont présentés au centre d'imagerie LA MEKERRA. De bons résultats sont obtenus, notamment pour l‘estimation de la ligne médiane comparée à la détection manuelle. La performance de notre méthode est tout à fait satisfaisante avec une sensibilité de 98.8%. Notre approche a le potentiel d‘être utilisée en tant que deuxième opinion dans le diagnostic de l‘AVC.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».