双模型的机器学习方法预测脑出血患者血肿扩大

发布时间：2022-10-05 21:27

　　背景及目的:血肿扩大与脑出血（intracerebral hemorrhage,ICH）患者的神经功能预后不良密切相关。因此,准确预测ICH患者是否发生血肿扩大具有重要的临床工作意义。在此研究中,我们探究了1种双模型的机器学习（machine learning,ML）方法对于血肿扩大的预测能力。此方法的特点是可以将ICH患者的非增强CT（non-contrast computed tomography,NCCT）图像信息与患者的多个临床资料数据结合用于血肿扩大的预测。方法:我们回顾性收集了2016年5月至2018年12月来自吉林大学第一医院的140例ICH患者（其中包含58位发生血肿扩大的患者）,总共获得了5616张NCCT血肿图像（其中包含2635张发生血肿扩大的图像）以及每位患者的10个临床资料数据。此研究中使用的双模型ML方法包含2个步骤。第1个步骤是使用1个基于深度卷积神经网络（deep convolutional neural network,DCNN）的单模型预测器,此预测器仅使用患者的基线NCCT图像进行血肿扩大的预测。为了选择合适的DCNN模型,我们同时比较了3个DCN... 

【文章页数】：45 页

【学位级别】：硕士

【文章目录】：
中文摘要
abstract
英文缩略词表
第1章 前言
    1.1 研究背景及目的
第2章 综述
    2.1 NCCT预测血肿扩大的研究进展及人工智能机器学习简介
    2.2 血肿扩大的定义
    2.3 NCCT血肿扩大的预测因素
        2.3.1 首次NCCT检查时间
        2.3.2 血肿体积
        2.3.3 血肿边缘的不规则
        2.3.4 血肿密度
    2.4 展望及人工智能机器学习简介
第3章 资料与方法
    3.1 患者资料收集
        3.1.1 研究对象
        3.1.2 患者纳入及排除标准以及血肿扩大定义
        3.1.3 血肿体积测量方法
    3.2 图像的预处理
    3.3 流程图
    3.4 双模型的ML方法
        3.4.1 第1 个预测模型:基于DCNN的单模型预测
        3.4.2 第2 个预测模型:基于MLP的双模型预测
    3.5 模型性能的评估
第4章 结果
    4.1 患者基本资料
    4.2 图像预处理结果
    4.3 ML预测血肿扩大的性能评估
第5章 讨论
第6章 结论
参考文献
作者简介
致谢


【参考文献】：
期刊论文
[1]人工智能在重症医学领域的应用进展[J]. 谢芳,薄禄龙,卞金俊.  国际麻醉学与复苏杂志. 2019 (10)
[2]人工智能在医学影像领域的应用与挑战[J]. 季冰,刘伶俐.  中国医学伦理学. 2019(08)
[3]人工智能在医学领域的研究进展[J]. 高萌,杨仙鸿,姜祎群.  中华皮肤科杂志. 2019 (02)
[4]人工智能在神经医学领域应用的现状和展望[J]. 王拥军,荆京.  中华内科杂志. 2018 (10)



本文编号：3686536