按关键词阅读:
佳品有约
解放军总医院神外医学部主办 第16期
文章图片
访谈文字要点仅供参考 , 完整访谈内容请观看视频
解放军总医院攸娜:高级脑功能如何评估
人脑是一个动态的复杂的功能网络 , 目前我们神经外科医生更多的关注于一些基本神经功能的保留 , 比如感觉、运动、语言等 , 对于脑高级功能的保留 , 比如记忆力、执行力、计算力等等 , 并不放在首要位置 。
但我们在临床上常常会遇到脑肿瘤的患者 , 尤其是额叶、颞叶占位 , 在术后会存在认知功能下降的情况 。 一部分是术前肿瘤占位及侵袭所致 , 一部分是手术切除过程中对脑白质功能性连接破坏引起的 。
如何对患者高级精神活动、认知功能进行客观、系统的评估 , 是一个问题 。 以往 , 我们会采取一些简单的量表进行粗略的评估 , 而且不同的医院很可能会采取不同的方法 。这就导致脑高级功能的评估一直缺乏比较规范的评估方法 。
而基于计算机标准化平台的神经认知功能评估系统 , 能够收集了现有的所有量表 , 并进行分类整合 , 生成针对不同年龄阶段、不同疾病类型、不同临床需要的成套的评估系统 。 评估结果计算机直接进行分类分析 , 大大节省了人工的消耗 。
更进一步的话 , 我们可以把评估结果与多模态相结合 , 共同对术前手术计划制定及术后预后评估进行指导 , 实现最大切除、最小损伤、最好结果的目标 , 使患者不仅能拥有基本神经功能 , 更有追求高质量社会生活的机会 。
解放军总医院徐兴华:AI预测高血压脑出血预后 准确度达80%以上
高血压脑出血发病率高 , 致死率、致残率高 , 早期进行预后分析和判断具有重要意义 , 以往研究确定了一些预测因素和模型 , 如出血部位、血肿体积、有无合并脑室出血、有无斑点征、脑出血(ICH)评分、FUNC评分等 , 但这些预测方法多比较片面 , 准确度不高 , 限制了其临床应用 。
我们团队前期回顾性收集270例高血压脑出血患者原始头颅CT数据和6个月预后随访结果 , 进行图像分割 , 以血肿影像范围为感兴趣区 , 高通量提取1029种特征值 , 进行降维分析和特征值分析 , 筛选出关键特征 。 随机抽取80%病例作为训练集 , 将关键特征值和预后结果 , 分别应用支持向量机、K邻近、逻辑回归、决策树、极限梯度增强树(XGBoost)和随机森林等6种机器学习算法建立高血压脑出血预后预测模型 , 以剩余20%病例作为测试集验证预测模型准确性 , 从中选择准确度最高的算法用于高血压脑出血智能预测 。
结果显示多种机器学习算法对 高血压脑出血预后预测准确度可以达到80%以上 , 随机森林算法的准确度超过90% , 显著高于传统单一影像特征预测方法 。
解放军总医院王群:影像组学最新研究进展 弥散成像预测IDH1突变准确度85%以上
脑肿瘤的MR影像包含了大量肉眼看不到的特征信息 , 我们将这些特征提取之后对比相应的分子病理信息 , 再应用机器学习的方法进行分析建模 , 就能够对脑肿瘤的分子病理信息进行预测 。
以最为常见的脑胶质瘤为例 , 如果我们术前能够通过影像手段判断胶质瘤的恶性程度 , 以及分子病理类型的话 , 对于手术战略上是否采用激进或者保守的切除方式是有直接提示作用的 。
为此 , 早在2016年WHO更新胶质瘤分子病理诊断标准的时候 , 我们团队就开始积累分子病理信息数据 , 同时配合我们术中磁共振标准化的影像数据库 , 在2018年的时候 , 就初步分析了近200人的胶质瘤病人数据 , 包含常规影像T1、T1增强、T2、T2FLAIR , 以及高级磁共振成像弥散DTI成像 。
我们尝试了应用不同序列进行肿瘤分割、以及同一序列不同肿瘤部位的特征提取 , 同时还尝试了应用神经网络进行肿瘤的自动分割 , 并且应用机器学习对分割后的肿瘤特征进行IDH1的预测 , 结果中得到应用弥散成像是可以进行肿瘤分割 , 精度能够达到90%以上 , 而 弥散成像同时可以预测胶质瘤分子病理信息 , 比如IDH1突变 , 准确度能够达到85%以上 , 而且联合常规磁共振影像更加具有优势 , 效能更高 。
稿源:(神外前沿)
【】网址:http://www.shadafang.com/c/hn102ER0H2020.html
标题:评估|佳品有约 | 神外AI技术最新进展:脑出血预后预测、脑肿瘤标记物预测、高级认知功能评估 - 解放军总医院徐兴华 王群 攸娜