Deep-Learning-Modell zur automatischen Segmentierung intrakranieller Thromben

Für die Therapieentscheidung bei ischämischem Schlaganfall ist die Bestimmung von Lage und Ausmaß intrakranieller Thromben von entscheidender Bedeutung. Eine genaue Segmentierung der Thromben bei der initialen Bildgebung ist der erste Schritt zu ihrer Charakterisierung. Zhu et al. entwickelten ein automatisiertes Verfahren zur Thrombus-Segmentierung auf Bildern der nativen CT (NCCT) und CT-Angiographie (CTA).

Fazit

Nach Einschätzung der Autor/-innen kann das entwickelte Deep-Learning-Modell bei Patient/-innen mit akutem ischämischem Schlaganfall Thromben auf NCCT- und CTA-Bildern zuverlässig entdecken und messen. Dies gilt insbesondere beim Vorliegen von LVOs. Im klinischen Setting könne der Algorithmus bei der therapeutischen Entscheidungsfindung hilfreich sein.

Publication History

Article published online:
02 October 2023

• main Zhu K. et al. Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model. Am J Neuroradiol 2023; 44: 641-648