CN115148340A - 一种脑小血管病影像标记物在线评估系统 - Google Patents
一种脑小血管病影像标记物在线评估系统 Download PDFInfo
- Publication number
- CN115148340A CN115148340A CN202210846268.1A CN202210846268A CN115148340A CN 115148340 A CN115148340 A CN 115148340A CN 202210846268 A CN202210846268 A CN 202210846268A CN 115148340 A CN115148340 A CN 115148340A
- Authority
- CN
- China
- Prior art keywords
- module
- evaluation
- central processing
- processing unit
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Radiology & Medical Imaging (AREA)
- Development Economics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提出一种脑小血管病影像标记物在线评估系统,属于医学影像领域。本发明包括终端平台和中央处理器,所述终端平台包括:局域网数据传输模块、网络数据传输模块、人机交互模块;所述中央处理器包括:图像处理模块、统计计算模块、历史数据学习模块。它可以通过各模块实现脑小血管病影像标记物的在线标准化快速评估,依据历史数据判断标准的更新。
Description
技术领域
本发明属于医学影像领域,具体涉及一种脑小血管病影像标记物在线评估系统。
背景技术
脑小血管病是由各种病因影响脑内小动脉及其远端分支、微动脉、毛细血管、微静脉和小静脉所导致的一系列临床、影像、病理综合征。其脑内病变受累组织广泛,临床表现异质性较大,急性期可表现为特定的腔隙综合征,晚期常出现认知障碍、运动障碍、情感障碍和二便障碍等,严重危害我国人民健康。脑小血管病起病隐匿,且人们对该病认识不足,无症状的脑小血管病通常被患者甚至临床医师忽略。而头颅影像学是脑小血管病最重要的检测工具,其主要特征包括近期皮质下小梗死、推测为血管源性的脑白质高信号、血管周围间隙、推测为血管源性的腔隙、脑微出血和脑萎缩,微观下表现为小血管硬化、髓鞘脱失、含铁血黄素颗粒沉积等多种病理改变。这些影像学标志物并不是孤立存在的,常同时或相继出现,可用于评估脑小血管病的严重程度。目前,随着对疾病认识的深入,越来越多的学者开始关注脑小血管病影像学标志物的综合表现在临床中的应用。
然而,针对脑小血管病的多种临床及影像学表现,目前在制定影像标记物评估标准方面还存在下列3个问题:1)不同医疗机构存在不同核磁扫描参数带来的系统数据误差;2)不同医护人员对影像表现有主观性的评估诊断误差;3)医护人员不能熟练根据情况准确加权不同影像表现,对疾病进行综合评估。
因此,迫切需要提出一种能系统化的将主要特征结合起来对脑小血管病进行统一评价的方法。总负荷评估可用于评估核磁影像中表现的脑小血管病变对整体脑功能的损害,并且,可能有助于在确定的风险因素之外进行临床风险预测。
发明内容
发明目的如下:
针对现有核磁影像技术中存在的识别处理标记物困难、直观性人工标记图像、评估准确性差的问题,本发明提供了一种脑小血管病影像标记物在线评估系统。它可以实现脑小血管病关键影像标记物的在线标准化快速全面评估,自动根据评估结果进行脑小血管病总负荷评分,对历史记录及修正结果进行数据学习,以不断更新和完善评估标准,提高诊断准确性。
为实现上述目的,本发明提供的具体技术方案如下:
一种脑小血管病影像标记物在线评估系统,所述的评估系统包括:终端平台和中央处理器,所述终端平台包括:局域网数据传输模块、网络数据传输模块、人机交互模块;所述中央处理器包括:图像处理模块、统计计算模块、历史数据学习模块。
其中,局域网数据传输模块从核磁工作站通过以太网接口接受核磁的扫描Dicom文件。已接受的扫描Dicom文件通过人机交互模块显示给医护人员。Dicom文件里内在的患者信息和脑图像切片将同时显示。
终端从医院的信息系统自动获取或医护人员通过人机交互模块补充患者的病史以及其他相关信息。更进一步的,人机交互模块包括显示器、鼠标和键盘。
通过网络数据传输模块Dicom扫描文件及相关患者信息和病史传到中央处理器。中央处理器可以接受多医疗机构中心的大量数据及长期保存。
更进一步的,中央处理器包含医学影像领域的,针对脑小血管病的图像处理模块和统计计算模块。
其中,根据2014年Staals等提出的对脑小血管病的总核磁影像学负担评分,反映脑小血管病引起的脑损伤的影像标志物包括脑白质高信号、腔隙、脑微出血和血管周围间隙,前述每一个标志物的存在分别评1分,最少0分、最多4分。
腔隙:
腔隙常为梗死坏死组织被清除后残留于脑组织内的小腔洞,在核磁上表现为类似于脑脊液信号的充满液体的圆形或卵圆形病变,直径介于3~15mm之间,多位于基底节区、内囊、半卵圆中心或脑干中。T2WI序列中表现为高信号,FLAIR序列中表现为中心低、外周包绕高信号环,DWI序列中无高信号表现。DWI序列可用于区分腔隙和近期皮质下小梗死。腔隙性卒中患者的病变多缺乏明确对应的临床表现,当存在1个或多个腔隙时,脑小血管病总负担评分记1分。
脑白质高信号:
脑白质高信号表现为脑皮质下白质区域中大小不等的异常信号,可分布于额叶、枕叶、皮质下、基底节、丘脑等。T2WI序列中表现为高信号,FLAIR序列中亦表现为高信号,DWI序列中无高信号表现。脑白质病变程度分级依赖于脑影像学表现,多为图像主观视觉评测,其严重程度评价目前尚无统一、权威的标准。脑白质高信号常采用Fazekas量表(0-6分)进行分级,分别对脑室旁及深部白质病变进行评分。对于脑室旁白质高信号,无病变记0分,帽状或铅笔样薄层病变记1分,病变呈光滑的晕圈记2分,不规则的脑室旁高信号延伸到深部白质记3分。对于深部白质高信号,无病变记0分,点状病变记1分,病变开始融合记2分,病变大面积融合记3分。当出现延伸到深部白质的不规则高信号即Fazekas评分3分或存在融合的深部白质高信号即Fazekas评分2或3分,脑小血管病总负担评分记1分。
脑微出血:
脑微出血伴有血液分解产物含铁血黄素的沉积,具有顺磁性特征,主要位于小脑、脑干、基底节区、皮质-皮质下交界区或深部灰质和白质,直径一般为2~5 mm,最大直径也可达10 mm。在T2*GRE或SWI图像上,脑微出血表现为点状、小圆形或卵圆形、边界清楚的均质低信号。影像上注意借助其他核磁序列或检查结果与钙化、空气、血管流空影和脑血管畸形鉴别。当存在1个及以上脑微出血时,脑小血管病总负担评分记1分。
血管周围间隙:
血管周围间隙是指包绕血管、沿着血管走行的间隙,好发于基底节区、皮质下、脑干等,直径常<3 mm。在影像学上,若平行于血管扫描,血管周围间隙呈线样,若垂直于血管扫描,则呈点状、圆形或卵圆形。T2WI序列中表现为高信号,FLAIR序列中表现为低信号,DWI序列中无高信号表现。根据2010年Doubal等的研究,对基底节和半卵圆中心的血管周围间隙进行0~4级的半定量评分:0级:无扩大的血管周围间隙;1级:1~10个扩大的血管周围间隙;2级:11~20个扩大的血管周围间隙;3级:21~40个扩大的血管周围间隙;4级:>40个扩大的血管周围间隙。对于脑干的血管周围间隙,0级:无可见的扩大的血管周围间隙;1级:可见扩大的血管周围间隙。当基底节及半卵圆中心存在中重度扩大的血管周围间隙,对应评分2~4级,脑小血管病总负担评分记1分。
根据上述的评估条件,中央处理器进行相应的图像后处理:DWI的高信号区域自动绘制、FLAIR序列呈低信号、高信号、边缘高信号的区域自动绘制、T2*GRE和SWI的低信号区域自动绘制,按照上述的评估条件综合识别病灶区域评估分数。
终端平台从中央处理器接受评估总结果后将显示给医护人员。此时医护人员可以修改确认评估的总结果。
更进一步的,修改评估总结果将启动中央处理器的历史数据学习模块,历史学习内容包括调整评分标准、改变评估方法等,提高影像识别准确性。
调整评分标准:
一项总SVD负荷评分与再发卒中风险的大型前瞻性队列研究显示,与<11个基底节区扩大的血管周围间隙相比,11~20个并未增加患者再发卒中的风险,但大于20个基底节扩大的血管周围间隙的患者再发卒中的风险增加1.8倍。此外,微出血负担的增加(≥5个)及较重度的脑白质高信号,尤其是脑室旁病变,均增加再发卒中风险。故可将小血管病总负担评分进行改进:当存在1个或多个腔隙时,记1分;当存在大于20个基底节区扩大的血管周围间隙时,记1分;1~4个微出血时,记1分;≥5个微出血时,记2分;总Fazekas评分3或4分时,记1分;总Fazekas评分5或6分时,记2分,由此,脑小血管病总负担评分为0~6分。研究发现上述改进的脑小血管病总负担评分5~6分与血管性认知障碍风险显著增加相关,因此在临床实践中,上述改进的脑小血管病总负担评分可能有助于识别血管性认知障碍高风险的脑小血管病患者。
另一研究认为脑萎缩作为脑小血管病的MRI标志物,应纳入总评分系统,即当存在1个或多个腔隙时,记1分;当出现延伸到深部白质的不规则高信号即Fazekas评分3分或存在融合的深部白质高信号即Fazekas评分2或3分,记1分;当存在1个及以上脑微出血时,记1分;当存在大于10个基底节区扩大的血管周围间隙时,记1分;当存在中度及以上广泛脑萎缩时,记1分,由此,脑小血管病总负担评分为0~5分。
脑小血管病相关认知损害主要表现为执行能力和处理速度障碍,但Staals提出的脑小血管病总负担评分与处理速度无明确关联,而Fazekas评分与处理速度有关,因此有研究提出,将脑白质高信号单独评估,脑小血管病总负担评分调整为0~3分,即当存在1个或多个腔隙时,记1分;当存在1个及以上脑微出血时,记1分;当存在大于10个基底节区扩大的血管周围间隙时,记1分。
改变评估方法:
针对上述脑白质高信号与认知的关系,另一研究将脑白质高信号整合在一个评分系统中,且同时纳入了颅内大小血管病变标志物,设计了一个加权的脑血管病负担评分,当存在中重度脑白质高信号时,记2分;当存在2项及以上脑血管病标志物(脑小血管病——多个腔隙、多个微出血,大血管病变——皮质梗死、颅内动脉狭窄)时,记1分。具体评估标准如下:无/轻度脑白质高信号及<2项其他脑血管病标志物,记0分;无/轻度脑白质高信号及≥2项其他脑血管病标志物,记1分;中/重度脑白质高信号及<2项其他脑血管病标志物,记2分;中/重度脑白质高信号及≥2项其他脑血管病标志物,记3分,由此,脑血管病总负担评分为0~3分。
近期研究发现深髓静脉评分可能是一种脑小血管病的新型影像学标志物,与脑小血管病总评分整合评估可用于识别与认知障碍相关的脑小血管病患者,具有较高的特异性。深髓静脉区域分为六个节段:双侧额叶、顶叶和枕叶,静脉清晰可见,连续无中段,记0分;静脉清晰可见,连续,但至少有一条静脉信号不均匀,记1分;至少有1条微弱可见、不连续的静脉,表现为点状低信号,记2分;没有见到深髓静脉,记3分,由此,深髓静脉评分为0~18分。
更进一步的,中央处理系统将历史评估总结实时分享到多家医疗机构中心。通过终端平台,中央处理系统和医护人员之间可实现实时的互动。
更进一步的,脑小血管病影像标记物在线评估方法的步骤如下:
步骤1:局域网数据传输模块接受核磁工作站的核磁扫描文件到终端平台;
步骤2:人机交互模块显示已传达的原始扫描文件给医护人员;
步骤3:医护人员通过人机交互模块输入相关患者信息及病史;
步骤4:医护人员确认后终端平台通过网络数据传输模块传达扫描文件到中央处理器;
步骤5:中央处理器通过图像处理模块进行扫描文件的图像后处理;
步骤6:中央处理器通过统计计算模块标记相关影像标记物信息及进行评分;
步骤7:医护人员看到影像标记物信息后确认评估总结;
步骤8:中央处理器记录医护人员对自动生成的影像标记物以及评估结论的修改,启动历史数据学习模块更新评估标准。
相对现有技术,本发明的有益效果如下:
本发明提供了一项在线自动快速图像处理技术,减少医护人员之间的手动后处理操作引起的人为误差。
本发明提供了较为规范的影像生物标记物自动评估标准,基层医护人员可用于参考。
本发明提供了历史数据判断标准的自动学习更新功能,有经验的医护人员可以按照自己的专业知识优化中央处理器的判定参数及评估方法。
附图说明
图1为本发明的模块关系图。
图2为本发明的流程图。
具体实施方案
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等同变换均落于本申请所附权利要求所限定的范围。
如图1所示,一种脑小血管病影像标记物在线评估系统,所述的评估系统包括:终端平台和中央处理器,所述终端平台包括:局域网数据传输模块、网络数据传输模块、人机交互模块;所述中央处理器包括:图像处理模块、统计计算模块、历史数据学习模块。
如图2所示,一种脑小血管病影像标记物在线评估方法,步骤如下:
步骤1:局域网数据传输模块接受核磁工作站的核磁扫描文件到终端平台;
步骤2:人机交互模块显示已传达的原始扫描文件给医护人员;
步骤3:医护人员通过人机交互模块输入姓名、年龄、患者编号、家史、服药历史、诊断历史等相关患者信息及病史;
步骤4:医护人员确认患者信息后终端平台将通过网络数据传输模块传达核磁扫出来的Dicom文件到中央处理器;
步骤5:中央处理器通过图像处理模块进行扫描文件的图像后处理,其中针对脑白质高信号的脑损伤的影像标志物评分如下:对于脑室旁白质高信号,无病变记0分,帽状或铅笔样薄层病变记1分,病变呈光滑的晕圈记2分,不规则的脑室旁高信号延伸到深部白质记3分。对于深部白质高信号,无病变记0分,点状病变记1分,病变开始融合记2分,病变大面积融合记3分;
步骤6:中央处理器通过统计计算模块标记相关影像标记物信息及进行评分:脑白质高信号、腔隙、脑微出血和血管周围间隙分别评分为1分、0分、2分、1分;
步骤7:医护人员看到影像标记物信息后确认评估总结;
步骤8:中央处理器记录医护人员对自动生成的影像标记物以及评估结论的修改,启动历史数据学习模块更新评估标准:其特征与,脑白质高信号单独评估,脑小血管病总负担评分调整为0~3分,即当存在1个或多个腔隙时,记1分;当存在1个及以上脑微出血时,记1分;当存在大于10个基底节区扩大的血管周围间隙时,记1分。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种脑小血管病影像标记物在线评估系统,其特征在于:终端平台和中央处理器,所述终端平台包括:局域网数据传输模块、网络数据传输模块、人机交互模块;所述中央处理器包括:图像处理模块、统计计算模块、历史数据学习模块;
上述评估系统的评估方法,步骤如下:
步骤1:局域网数据传输模块接受核磁工作站的核磁扫描文件到终端平台;
步骤2:人机交互模块显示已传达的原始扫描文件给医护人员;
步骤3:终端将自动获取或医护人员通过人机交互模块输入相关患者信息及病史;
步骤4:医护人员确认后终端平台通过网络数据传输模块传达扫描文件到中央处理器;
步骤5:中央处理器通过图像处理模块进行扫描文件的图像后处理;
步骤6:中央处理器通过统计计算模块标记相关影像标记物信息及进行评分;
步骤7:医护人员看到影像标记物信息后确认评估总结;
步骤8:中央处理器记录医护人员对自动生成的影像标记物以及评估结论的修改,启动历史数据学习模块更新评估标准。
2.根据权利要求1所述的步骤1,其特征在于:接受核磁工作站的核磁扫描文件包括T2、FLAIR、DWI和SWI。
3.根据权利要求1所述的步骤5,其特征在于:图像后处理方法包括DWI的高信号区域自动绘制、FLAIR的呈边缘高信号区域自动绘制、T2和SWI的低信号区域自动绘制。
4.根据权利要求1所述的步骤6,其特征在于:影像标记物信息及评分方法包括FLAIR上呈边缘高信号,DWI上信号无增强,直径3~20 mm的区域出现一个及以上时增加1分,在FLAIR上室周不规则高信号延伸到深层白质和/或深部白质病变融合白质高信号的情况下增加1分,SWI上在脑深部点状2~10mm的低信号的均匀灶区域出现一个及以上时增加1分,在T2上基底节或半卵圆中心点状和线性的高信号区域出现10个以上时,增加1分;整体评估总分为4分。
5.根据权利要求1所述的步骤8,其特征在于:历史数据学习包括增加评分、减少评分、改变评估权重和\或改变评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210846268.1A CN115148340B (zh) | 2022-07-19 | 2022-07-19 | 一种脑小血管病影像标记物在线评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210846268.1A CN115148340B (zh) | 2022-07-19 | 2022-07-19 | 一种脑小血管病影像标记物在线评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115148340A true CN115148340A (zh) | 2022-10-04 |
CN115148340B CN115148340B (zh) | 2023-07-07 |
Family
ID=83412343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210846268.1A Active CN115148340B (zh) | 2022-07-19 | 2022-07-19 | 一种脑小血管病影像标记物在线评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115148340B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
CN111524109A (zh) * | 2020-04-16 | 2020-08-11 | 北京推想科技有限公司 | 头部医学影像的评分方法和装置、电子设备及存储介质 |
CN111681230A (zh) * | 2020-06-10 | 2020-09-18 | 华中科技大学同济医学院附属同济医院 | 脑白质高信号评分系统及其评分方法 |
CN114242175A (zh) * | 2021-12-22 | 2022-03-25 | 香港中文大学深圳研究院 | 一种评估脑白质高信号体积的方法及系统 |
CN114708240A (zh) * | 2022-04-18 | 2022-07-05 | 杭州脉流科技有限公司 | 基于平扫ct的自动化aspects评分方法、计算机设备、可读存储介质和程序产品 |
-
2022
- 2022-07-19 CN CN202210846268.1A patent/CN115148340B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
CN111524109A (zh) * | 2020-04-16 | 2020-08-11 | 北京推想科技有限公司 | 头部医学影像的评分方法和装置、电子设备及存储介质 |
CN111681230A (zh) * | 2020-06-10 | 2020-09-18 | 华中科技大学同济医学院附属同济医院 | 脑白质高信号评分系统及其评分方法 |
CN114242175A (zh) * | 2021-12-22 | 2022-03-25 | 香港中文大学深圳研究院 | 一种评估脑白质高信号体积的方法及系统 |
CN114708240A (zh) * | 2022-04-18 | 2022-07-05 | 杭州脉流科技有限公司 | 基于平扫ct的自动化aspects评分方法、计算机设备、可读存储介质和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN115148340B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gutierrez et al. | Dolichoectasia diagnostic methods in a multi‐ethnic, stroke‐free cohort: results from the northern Manhattan study | |
Pitt et al. | Imaging cortical lesions in multiple sclerosis with ultra–high-field magnetic resonance imaging | |
Rava et al. | Assessment of an artificial intelligence algorithm for detection of intracranial hemorrhage | |
Alderdice et al. | Factor structure of the prenatal distress questionnaire | |
Klauser et al. | Bifid median nerve in carpal tunnel syndrome: assessment with US cross-sectional area measurement | |
Nahab et al. | Impact of an emergency department observation unit transient ischemic attack protocol on length of stay and cost | |
Gordils-Perez | Oncology nurse navigation: Development and implementation of a program at a comprehensive cancer center | |
Mathiesen et al. | Correlation of global N-acetyl aspartate with cognitive impairment in multiple sclerosis | |
Olatunji et al. | Maternal ophthalmic artery Doppler velocimetry in pre-eclampsia in Southwestern Nigeria | |
US20230087736A1 (en) | Brain function mapping with intracranial electroencephalogram (eeg) using event-related spectral modulations | |
Huang et al. | Abnormal regional spontaneous neural activity in visual pathway in retinal detachment patients: a resting-state functional MRI study | |
Zhao et al. | Wall characteristics and mechanisms of ischaemic stroke in patients with atherosclerotic middle cerebral artery stenosis: a high-resolution MRI study | |
Venjakob et al. | Radiologists' eye gaze when reading cranial CT images | |
Hotton et al. | Outcomes of the novel Odon Device in indicated operative vaginal birth | |
Lee et al. | Early identified risk factors and their predictive performance of brain death in out-of-hospital cardiac arrest survivors | |
Kong et al. | Heart rate variability during slow wave sleep is linked to functional connectivity in the central autonomic network | |
Gaines et al. | Semantic Clustering Indexes for the Hopkins Verbal Learning Test� Revised: Initial Exploration in Elder Control and Dementia Groups | |
CN115148340A (zh) | 一种脑小血管病影像标记物在线评估系统 | |
Wang et al. | [Retracted] DSA Image Analysis of Clinical Features and Nursing Care of Cerebral Aneurysm Patients Based on the Deep Learning Algorithm | |
Tursynova et al. | Artificial intelligence in stroke imaging | |
Glybina et al. | Localization of multifocal electroretinogram abnormalities to the lesion site: findings in a family with Best disease | |
Hao et al. | [Retracted] Clinical Diagnosis of White Matter Softening in Premature Infants Based on Electroencephalogram (EEG) | |
Bramen et al. | Impact of Eating a Carbohydrate-Restricted Diet on Cortical Atrophy in a Cross-Section of Amyloid Positive Patients with Alzheimer’s Disease: A Small Sample Study | |
Karamchandani et al. | The charlotte large artery occlusion endovascular therapy outcome score compares favorably to the critical area perfusion score for prognostication before basilar thrombectomy | |
Zhang et al. | [Retracted] Application of Multimodal Neuroimaging in the Treatment of Neurological Patients |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230625 Address after: 119 South Fourth Ring Road West, Fengtai District, Beijing 100070 Applicant after: BEIJING TIANTAN HOSPITAL, CAPITAL MEDICAL University Address before: 119 South Fourth Ring Road West, Fengtai District, Beijing 100070 Applicant before: Xu Jun |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |