Big Data Approaches to Phenotyping Acute Ischemic Stroke Using Automated Lesion Segmentation of Multi-Center Magnetic Resonance Imaging Data

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Tyck till om SwePub Sök här!

Sökning: id:"swepub:oai:lup.lub.lu.se:4fd58602-8532-4498-b8b2-7070f9d21d2f" > Big Data Approaches...

1 av 1
Föregående post
Nästa post
Till träfflistan

Big Data Approaches to Phenotyping Acute Ischemic Stroke Using Automated Lesion Segmentation of Multi-Center Magnetic Resonance Imaging Data

Wu, Ona (författare): Massachusetts General Hospital

Winzeck, Stefan (författare): University of Cambridge

Giese, Anne-Katrin (författare): Massachusetts General Hospital

visa fler...

Hancock, Brandon L (författare): Massachusetts General Hospital

Etherton, Mark R (författare): Massachusetts General Hospital

Bouts, Mark J R J (författare): Massachusetts General Hospital

Donahue, Kathleen (författare): Massachusetts General Hospital

Schirmer, Markus D (författare): Massachusetts General Hospital

Irie, Robert E (författare): Massachusetts General Hospital

Mocking, Steven J T (författare): Massachusetts General Hospital

McIntosh, Elissa C (författare): Massachusetts General Hospital

Bezerra, Raquel (författare): Massachusetts General Hospital

Kamnitsas, Konstantinos (författare): Imperial College London

Frid, Petrea (författare): Lund University,Lunds universitet,Neurologi, Lund,Sektion IV,Institutionen för kliniska vetenskaper, Lund,Medicinska fakulteten,Stroke Imaging Research group,Forskargrupper vid Lunds universitet,Neurology, Lund,Section IV,Department of Clinical Sciences, Lund,Faculty of Medicine,Lund University Research Groups

Wasselius, Johan (författare): Lund University,Lunds universitet,Diagnostisk radiologi, Lund,Sektion V,Institutionen för kliniska vetenskaper, Lund,Medicinska fakulteten,Neuroradiologi,Forskargrupper vid Lunds universitet,Stroke Imaging Research group,Diagnostic Radiology, (Lund),Section V,Department of Clinical Sciences, Lund,Faculty of Medicine,Neuroradiology,Lund University Research Groups,Skåne University Hospital

Cole, John W (författare): University of Maryland, Baltimore

Xu, Huichun (författare): University of Maryland, Baltimore

Holmegaard, Lukas (författare): University of Gothenburg,Sahlgrenska Academy

Jiménez-Conde, Jordi (författare): Autonomous University of Barcelona

Lemmens, Robin (författare): University Hospitals Leuven

Lorentzen, Eric (författare): Sahlgrenska Academy

McArdle, Patrick F (författare): University of Maryland, Baltimore

Meschia, James F (författare): Mayo Clinic Florida

Roquer, Jaume (författare): Autonomous University of Barcelona

Rundek, Tatjana (författare): University of Miami

Sacco, Ralph L (författare): University of Miami

Schmidt, Reinhold (författare): Medical University of Graz

Sharma, Pankaj (författare): Royal Holloway University of London

Slowik, Agnieszka (författare): Ashford And St Peter's Hospital

Stanne, Tara M (författare): Sahlgrenska Academy

Thijs, Vincent (författare): Jagiellonian University

Vagal, Achala (författare): University of Cincinnati

Woo, Daniel (författare): University of Cincinnati

Bevan, Stephen (författare): University of Lincoln

Kittner, Steven J (författare): University of Maryland, Baltimore

Mitchell, Braxton D (författare): Baltimore Veterans Administration Medical Center

Rosand, Jonathan (författare): Massachusetts General Hospital

Worrall, Bradford B (författare): University of Virginia

Jern, Christina (författare): Sahlgrenska Academy

Lindgren, Arne G (författare): Lund University,Lunds universitet,Neurologi, Lund,Sektion IV,Institutionen för kliniska vetenskaper, Lund,Medicinska fakulteten,Klinisk strokeforskning,Forskargrupper vid Lunds universitet,Neurology, Lund,Section IV,Department of Clinical Sciences, Lund,Faculty of Medicine,Clinical Stroke Research Group,Lund University Research Groups,Skåne University Hospital

Maguire, Jane (författare): University of Technology Sydney

Rost, Natalia S (författare): Massachusetts General Hospital

visa färre...

(creator_code:org_t)

2019
2019
Engelska.
Ingår i: Stroke. - 1524-4628. ; 50:7, s. 1734-1741

Relaterad länk:: http://dx.doi.org/10...; visa fler...; https://lup.lub.lu.s...; https://doi.org/10.1...; visa färre...

Tidskriftsartikel (refereegranskat)

Abstract Ämnesord

Stäng

Background and Purpose- We evaluated deep learning algorithms' segmentation of acute ischemic lesions on heterogeneous multi-center clinical diffusion-weighted magnetic resonance imaging (MRI) data sets and explored the potential role of this tool for phenotyping acute ischemic stroke. Methods- Ischemic stroke data sets from the MRI-GENIE (MRI-Genetics Interface Exploration) repository consisting of 12 international genetic research centers were retrospectively analyzed using an automated deep learning segmentation algorithm consisting of an ensemble of 3-dimensional convolutional neural networks. Three ensembles were trained using data from the following: (1) 267 patients from an independent single-center cohort, (2) 267 patients from MRI-GENIE, and (3) mixture of (1) and (2). The algorithms' performances were compared against manual outlines from a separate 383 patient subset from MRI-GENIE. Univariable and multivariable logistic regression with respect to demographics, stroke subtypes, and vascular risk factors were performed to identify phenotypes associated with large acute diffusion-weighted MRI volumes and greater stroke severity in 2770 MRI-GENIE patients. Stroke topography was investigated. Results- The ensemble consisting of a mixture of MRI-GENIE and single-center convolutional neural networks performed best. Subset analysis comparing automated and manual lesion volumes in 383 patients found excellent correlation (ρ=0.92; P<0.0001). Median (interquartile range) diffusion-weighted MRI lesion volumes from 2770 patients were 3.7 cm3 (0.9-16.6 cm3). Patients with small artery occlusion stroke subtype had smaller lesion volumes ( P<0.0001) and different topography compared with other stroke subtypes. Conclusions- Automated accurate clinical diffusion-weighted MRI lesion segmentation using deep learning algorithms trained with multi-center and diverse data is feasible. Both lesion volume and topography can provide insight into stroke subtypes with sufficient sample size from big heterogeneous multi-center clinical imaging phenotype data sets.

Hitta via bibliotek

Stroke (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Wu, Ona; Winzeck, Stefan; Giese, Anne-Katr ...; Hancock, Brandon ...; Etherton, Mark R; Bouts, Mark J R ...; visa fler...; Donahue, Kathlee ...; Schirmer, Markus ...; Irie, Robert E; Mocking, Steven ...; McIntosh, Elissa ...; Bezerra, Raquel; Kamnitsas, Konst ...; Frid, Petrea; Wasselius, Johan; Cole, John W; Xu, Huichun; Holmegaard, Luka ...; Jiménez-Conde, J ...; Lemmens, Robin; Lorentzen, Eric; McArdle, Patrick ...; Meschia, James F; Roquer, Jaume; Rundek, Tatjana; Sacco, Ralph L; Schmidt, Reinhol ...; Sharma, Pankaj; Slowik, Agnieszk ...; Stanne, Tara M; Thijs, Vincent; Vagal, Achala; Woo, Daniel; Bevan, Stephen; Kittner, Steven ...; Mitchell, Braxto ...; Rosand, Jonathan; Worrall, Bradfor ...; Jern, Christina; Lindgren, Arne G; Maguire, Jane; Rost, Natalia S; visa färre...

Om ämnet

MEDICIN OCH HÄLSOVETENSKAP: MEDICIN OCH HÄLS ...; och Medicinska och f ...; och Neurovetenskaper

Artiklar i publikationen: Stroke

Av lärosätet: Lunds universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se

Big Data Approaches to Phenotyping Acute Ischemic Stroke Using Automated Lesion Segmentation of Multi-Center Magnetic Resonance Imaging Data

Ämnesord

Publikations- och innehållstyp

Hitta via bibliotek

Till lärosätets databas

Hitta mer i SwePub

Sök utanför SwePub