基于超声图像的机器学习算法应用于颈动脉斑块风险评估的研究进展  

Advances in application of ultrasound image-based machine learning algorithms in carotid plaque risk assessment

作　　者：李晓[1] 胡兵[1] 白文坤[1] Li Xiao;Hu Bing;Bai Wenkun

机构地区：[1]上海交通大学附属第六人民医院超声医学科上海超声医学研究所,200233

出　　处：《中华医学超声杂志（电子版）》2022年第10期1127-1130,共4页Chinese Journal of Medical Ultrasound(Electronic Edition)

基　　金：国家重点研发计划项目(2021YFC2009100);上海市科技计划项目(21Y11910900);上海浦江人才计划(2019PJD036);上海市第六人民医院面上培育项目(ynms202110)。

摘　　要：2016年,全球卒中患病人数为8010万,其中84.4%为缺血性卒中[1]。颈动脉斑块破裂引起脑栓塞或破裂部位血栓形成是导致缺血性卒中的主要原因。因此,对颈动脉斑块进行评估在鉴别卒中高风险个体方面具有重要价值。目前,常规超声手动测量及分析斑块不仅费时费力,而且容易存在操作者之间或内部变异。随着人工智能(artificial intelligence,AI)的快速发展,利用机器学习(machine learning,ML)自动识别斑块形态及成分分析的计算机技术已成为临床日益关注的领域,本文主要就ML技术评估高风险颈动脉斑块的价值进行探讨。

关 键 词：颈动脉斑块 缺血性卒中 脑栓塞 机器学习算法 血栓形成 超声图像 破裂部位 手动测量 

分 类 号：R445.1[医药卫生—影像医学与核医学] R543.4[医药卫生—诊断学]