A prediction of hematoma expansion in hemorrhagic patients using a novel dual-modal machine learning strategy

血肿 情态动词 计算机科学 医学 人工智能 放射科 脑出血 人工神经网络 算法 外科 材料科学 格拉斯哥昏迷指数 高分子化学
作者
Xinpeng Cheng,Wei Zhang,Meng Wu,Nan Jiang,Guo Z,Xinyi Leng,Jia Ning Song,Hang Jin,Xin Sun,Fu-Liang Zhang,Jing Qin,Xiaofeng Yan,Zhenyu Cai,Ying Luo,Yi Yang,Jia Liu
出处
期刊:Physiological Measurement [IOP Publishing]
卷期号:42 (7): 074005-074005 被引量:2
标识
DOI:10.1088/1361-6579/ac10ab
摘要

Objective.Hematoma expansion is closely associated with adverse functional outcomes in patients with intracerebral hemorrhage (ICH). Prediction of hematoma expansion would therefore be of great clinical significance. We therefore attempted to predict hematoma expansion using a dual-modal machine learning (ML) strategy which combines information from non-contrast computed tomography (NCCT) images and multiple clinical variables.Approach.We retrospectively identified 140 ICH patients (57 with hematoma expansion) with 5616 NCCT images of hematoma (2635 with hematoma expansion) and 10 clinical variables. The dual-modal ML strategy consists of two steps. The first step is to derive a mono-modal predictor from a deep convolutional neural network using solely NCCT images. The second step is to achieve a dual-modal predictor by combining the mono-modal predictor with 10 clinical variables to predict hematoma growth using a multi-layer perception network.Main results. For the mono-modal predictor, the best performance was merely 69.5% in accuracy with solely the NCCT images, whereas the dual-modal predictor could boost the accuracy greatly to be 86.5% by combining clinical variables.Significance.To our knowledge, this is the best performance from using ML to predict hematoma expansion. It could be potentially useful as a screening tool for high-risk patients with ICH, though further clinical tests would be necessary to show its performance on a larger cohort of patients.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
高大豌豆发布了新的文献求助10
刚刚
梨凉完成签到,获得积分10
2秒前
student发布了新的文献求助10
2秒前
5秒前
搜集达人应助水濑心源采纳,获得10
5秒前
669完成签到,获得积分10
6秒前
沙田的柚子完成签到 ,获得积分10
7秒前
惜寒完成签到 ,获得积分10
8秒前
8秒前
Behappy完成签到 ,获得积分10
9秒前
咖飞完成签到,获得积分10
9秒前
瑾玉完成签到,获得积分10
10秒前
成就的白羊完成签到,获得积分10
11秒前
wanli445完成签到,获得积分10
12秒前
azixiao完成签到,获得积分10
13秒前
八轩发布了新的文献求助10
14秒前
香蕉觅云应助科研通管家采纳,获得10
15秒前
科研通AI5应助科研通管家采纳,获得30
15秒前
领导范儿应助科研通管家采纳,获得10
15秒前
斯文败类应助科研通管家采纳,获得10
15秒前
HuFan1201完成签到 ,获得积分10
15秒前
1+1应助科研通管家采纳,获得10
15秒前
1351567822应助科研通管家采纳,获得50
15秒前
15秒前
奋斗的凡完成签到 ,获得积分10
15秒前
科研通AI5应助科研通管家采纳,获得10
15秒前
科研通AI2S应助科研通管家采纳,获得10
15秒前
Orange应助科研通管家采纳,获得10
15秒前
大模型应助科研通管家采纳,获得10
15秒前
彭于晏应助科研通管家采纳,获得10
15秒前
bkagyin应助科研通管家采纳,获得10
15秒前
打打应助科研通管家采纳,获得10
15秒前
1+1应助科研通管家采纳,获得10
15秒前
HEIKU举报leaf求助涉嫌违规
15秒前
科研通AI5应助科研通管家采纳,获得10
15秒前
领导范儿应助科研通管家采纳,获得10
15秒前
Akim应助科研通管家采纳,获得10
16秒前
研友_Z6Q45n应助科研通管家采纳,获得10
16秒前
1+1应助科研通管家采纳,获得10
16秒前
科研通AI5应助科研通管家采纳,获得10
16秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
Unusual formation of 4-diazo-3-nitriminopyrazoles upon acid nitration of pyrazolo[3,4-d][1,2,3]triazoles 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3671619
求助须知:如何正确求助?哪些是违规求助? 3228325
关于积分的说明 9779523
捐赠科研通 2938636
什么是DOI,文献DOI怎么找? 1610158
邀请新用户注册赠送积分活动 760547
科研通“疑难数据库(出版商)”最低求助积分说明 736093