索引于
  • 打开 J 门
  • Genamics 期刊搜索
  • 期刊目录
  • 乌尔里希的期刊目录
  • 参考搜索
  • 哈姆达大学
  • 亚利桑那州EBSCO
  • OCLC-WorldCat
  • 普罗奎斯特传票
  • 普布隆斯
  • 日内瓦医学教育与研究基金会
  • 欧洲酒吧
  • 谷歌学术
分享此页面
期刊传单
Flyer image

抽象的

计算机辅助动脉瘤生长评估与检测 (AGED):与临床动脉瘤随访的比较

Aichi Chien*、Ziga Spiclin、Ziga Bizjak、Kambiz Nael

背景:由于颅内动脉瘤 (IA) 不断增大,破裂的可能性更高,因此检测动脉瘤的增大是未破裂颅内动脉瘤随访的重要组成部分。最近的研究一致表明,检测颅内动脉瘤的增大可能具有挑战性,尤其是较小的动脉瘤。在本研究中,我们提出了一种自动计算方法来协助检测动脉瘤的增大。

方法:开发了基于 IA 图像的分析程序——动脉瘤生长评估和检测 (AGED)。为了验证该程序能否令人满意地检测出临床动脉瘤生长,我们使用 IA 随访期间的临床生长测定作为黄金标准,进行了这项比较研究。研究对象为未破裂的囊状 IA 患者,随后进行诊断性脑 CTA 以监测 IA 进展。使用 AGED 分析了 20 个纵向随访的 ICA IA 中的 48 个 IA 图像系列,并计算了一组 IA 形态特征。进行了非参数统计检验和 ROC 分析,以评估每个特征在生长检测方面的性能。

结果:自动计算的形态特征集与标准的手动临床 IA 生长评估结果相当。具体而言,自动计算的 HMAX 在区分生长型 IA 与稳定型 IA 方面表现更佳 (AUC=0.958),其次是 V 和 SA (AUC 分别为 0.927 和 0.917)。

结论:我们的研究结果支持使用自动方法通过连续成像研究检测 IA 生长,作为标准临床评估的有用辅助手段。AGED 生成的生长检测有望用于表征和检测 IA 生长,并有可能降低与手动测量相关的变异性。

免责声明: 此摘要通过人工智能工具翻译,尚未经过审核或验证