机器学习在磁共振成像评估急性缺血性脑卒中的研究进展
李庚
单艺
卢洁
李佳佑政
首都医科大学宣武医院放射与核医学科磁共振成像脑信息学北京市重点实验室,北京 100053
摘要：脑卒中是一种致残率和死亡率较高的严重脑血管疾病,其中缺血性脑卒中占比87％[1].急性缺血性脑卒中(acute ischemic stroke,AIS)指发病后2周内的缺血性脑卒中,发病3个月时的致残率高达14.6％～23.1％[2].目前,MRI已被视为评估AIS的关键影像学手段,尤其对急性期梗死病灶的检测敏感性和准确性显著优于CT,但是,其扫描时间较长、对患者配合度要求较高.机器学习(machine learning,ML)是一种利用算法从大量数据中学习规律和特征然后进行预测的技术,包括传统ML(如logistic回归、随机森林等)与深度学习(deep learning,DL)两种.ML在图像分类、分割以及检测等领域应用广泛,并有望克服MRI的局限性,可能为AIS的诊断、预后及并发症预测等方面带来新机遇.本综述旨在总结近年来ML在MRI评估AIS的最新进展,以期为临床医师提供决策支持,并为未来的研究方向提供参考.
关键词：卒中磁共振成像机器学习深度学习
资助基金：国家自然科学基金(82402499)
论文发表日期：2025-12-15
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：3( 1755-1757 )