PulseAugur
中
实时 10:22:54
English(EN) StrokeTimer: Robust Representation Learning for Ischemic Stroke Onset-Time Estimation from Non-contrast CT

AI模型StrokeTimer可从CT扫描中估计缺血性卒中发病时间

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了StrokeTimer，一个使用非对比增强CT扫描估计缺血性卒中发病时间的新框架。该系统采用自监督解耦和能量引导对比学习来识别卒中的细微迹象，并处理不同扫描仪之间的数据不平衡和差异。在大型多中心数据集上的试验中，StrokeTimer取得了0.69的宏观AUC和0.57的宏观F1分数，显著优于现有方法，并显示出在辅助临床治疗决策方面的潜力。 AI

影响 该AI模型通过提供更准确的CT扫描卒中发病时间估计，有望改善缺血性卒中患者的治疗决策。

排序理由 描述新AI模型及其在特定任务上性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Weiru Wang, Susanne G. H. Olthuis, Elizaveta Lavrova, Robert J. van Oostenbrugge, Charles B. L. M. Majoie, Wim H. van Zwam, Ruisheng Su ·

    StrokeTimer: Robust Representation Learning for Ischemic Stroke Onset-Time Estimation from Non-contrast CT

    arXiv:2606.04722v1 Announce Type: new Abstract: Ischemic stroke is a major global disease. Treatment decisions are highly time-sensitive, as eligibility for reperfusion therapies relies on the interval between stroke onset and intervention. However, the true onset time is often u…

相关实体

相关话题