芬兰Turku大学和Turku PET中心的人类情感系统实验室团队介绍了一种全自动的脑磁共振成像急性缺血性病变分割方法，并展示了人工智能如何减轻放射科医生的工作负担。

及时检测和准确分割急性缺血性脑卒中(AIS)病变的磁共振图像(MRIs)是至关重要的分流患者血管内治疗。病变的分割是一个常规的过程，其中异常区域的大脑图像是定性的，并由专家放射学家手动挑选。然而，手工病灶分割是费时的，并受到操作人员的偏见。因此，目前尚无有效且低成本的AIS病变筛查方法。

本研究介绍了一种新颖的、全自动的AIS病变检测与分割技术，并将图像分为脑卒中和非脑卒中两类。这种全自动异常检测方法将受试者的扩散加权图像(DWIs)和表观扩散系数(ADC)图像与一组健康图像在体素水平上进行比较。DWI高信号区和ADC低信号区被识别为病变，并作为病变面罩保存。研究了近100例病变的分割方法。由于伪影、噪声、图像分辨率低，存在识别病变的假风险，因此该方法生成的病变掩模通过二分类器进行筛选，二分类器可以确认所生成的病变掩模是否含有真实的AIS病变。在约200个核磁共振成像上对分类性能进行了评估。

发表在《神经科学方法杂志》上的结果表明，专家手工绘制的病灶与之吻合良好(黄金标准)。整个方法包括病灶分割和图像分类，简单、快速，不需要较高的计算能力和内存。

我们认为，该方法可以在整合到医院常规临床诊断管道的普通桌面工作站上实现。这种方法可以帮助放射科医生加快病灶检测的工作流程，减少操作员在病灶分割时的偏见，因为这种方法具有可重复性。”

萨纳兹·纳扎里-法尔萨尼，图尔库PET中心项目研究员