Data Management And Sharing System of China National Clinical Research Center for Neurological Diseases

《国家中心数据管理与共享系统操作说明书 —— 研究者部分》

Prediction of clinical outcomes in cerebrovascular diseases based on neuroimaging

First author：Jing Jing,Ziyang Liu,Hao Guan,Wanlin Zhu,Zhe Zhang

Corresponding author：王拥军,刘涛

Deep Learning ischemic stroke prognosis prediction risk stratification

essential_information

2022-09-30

Published articles

Journal：Advanced Intelligent Systems

Publication type: Original Articles

IF(IF): 7.298

PMID: 暂无PMID Link To Pubmed Full text Download

Background And Purpose

本项目聚焦于脑血管病的神经影像分析，建立深度学习模型实现1）对脑血管病的临床结局（包括复发，死亡，致残）以及认知能力的预测；2）以数据驱动模式自动标记影像中潜在的病灶区域；3）对关键病灶区域的精准分割。

Method

任务1 ：对脑血管病的临床结局以及认知能力的预测模型构建 输入：多模态影像数据；全图像输入/Patch图像输入 模型：建立多模态多任务（分类和回归）的深度学习预测模型，从神经影像中挖掘高层次特征，对临床结局和认知能力进行准确预测。并利用基于生成对抗网络的数据扩增及缺失模态数据补全等技术，进一步提高预测模型的性能。 结果：复发，死亡，致残（离散型）等临床结局的准确率，以及认知分数（连续型）与真实值的差异指标。 任务2：梗死病灶分割与数据驱动的潜在病灶区域标记 1）设计基于深度学习的梗死病灶区域分割算法（基于Unet，Vnet，DeepLab等方法），提高分割速度和分割准确率； 2）基于任务1的深度学习模型，利用Class Activation Mapping等视觉可解释性方法，生成复发人群的脑区“激活图”，以发现潜在病灶区域。

Conclusion

In conclusion, here, this study proposes a deep learning-based RPS for clinical prognostication after an index TIA and IS. Using DWI images and clinical parameters, the RPS significantly outperformed conventional risk scores. Leveraging AI to combine medical image and clinical parameters is a new direction to overcome the shortcomings of the performance of traditional risk prediction scores.

Main results