这篇文章需要订阅查看全文。如果你有一个订阅你可以用下面的登录表单查看文章。这篇文章也可以购买。
文摘
背景和目的来测试假设multicenter-validated电脑深入学习算法检测MRI-negative焦皮质发育不良(FCD)。
方法我们使用临床获得三维(3 d) t1和3 d fluid-attenuated反转恢复核磁共振的148名患者(平均年龄23岁(范围2-55年);47%女性)在组织学证实FCD 9中心培训深卷积神经网络(CNN)分类器。图像最初认为MRI-negative在51%的病人,在颅内脑电图确定重点。危险分层,CNN结合贝叶斯估计的不确定性作为一个衡量的信心。评估性能,检测比较映射到专家FCD手动标签。敏感性测试在一个独立的群23例FCD(13±10年)。将该算法应用于健康对照组42和89名对照与颞叶癫痫疾病特异性检测。
结果整体灵敏度为93% 148 FCD检测(137)使用一个leave-one-site-out交叉验证,每个病人平均6假阳性。在MRI-negative FCD敏感性为85%。在73%的患者中,FCD集群中是最高的信心;一半,它排名最高。灵敏度独立组为83% (19 23;每个病人平均5假阳性)。特异性为89%在健康和疾病控制。
讨论第一个multicenter-validated深度学习检测算法在MRI-negative FCD迄今收益率最高的灵敏度。通过将预测与风险分层,这个分类器可能协助临床医生调整假设相对于其他测试,增加诊断的信心。此外,普遍性在年龄和磁共振成像硬件使得这种方法适合那些将要动手术MRI-negative癫痫的评价。
证据的分类这项研究提供了第三类证据,深度学习在多通道MRI准确识别FCD最初诊断为癫痫患者MRI负面的。
术语表
- 美国有线电视新闻网=
- 卷积神经网络;
- FCD=
- 局灶性皮质发育不良;
- 天赋=
- fluid-attenuated反转恢复;
- 《外交政策》=
- 假阳性;
- 通用汽车=
- 灰质;
- 海关=
- 海马硬化;
- MNI=
- 蒙特利尔神经学研究所;
- 3 d=
- 三维;
- 框架=
- 颞叶癫痫;
- TP=
- 真阳性;
- WM=
- 白质
脚注
去半岛投注体育官网Neurology.org/N为充分披露。资金信息和披露认为作者相关的,如果有的话,年底提供这篇文章。
↵*这些作者的贡献同样这项工作。
看到了修改补充,显示这个更新版本的更改:links.lww.com/WNL/B872。
编辑、页面754年
类的证据:NPub.org/coe
- 收到了2020年8月29日。
- 接受的最终形式2021年7月26日。
- ©2021美国神经病学学会的半岛投注体育官网
