Sökning: WFRF:(Wasselius J.) >
Big Data Approaches...
Big Data Approaches to Phenotyping Acute Ischemic Stroke Using Automated Lesion Segmentation of Multi-Center Magnetic Resonance Imaging Data
-
Wu, O. (författare)
-
Winzeck, S. (författare)
-
Giese, A. K. (författare)
-
visa fler...
-
Hancock, B. L. (författare)
-
Etherton, M. R. (författare)
-
Bouts, Mjrj (författare)
-
Donahue, K. (författare)
-
Schirmer, M. D. (författare)
-
Irie, R. E. (författare)
-
Mocking, S. J. T. (författare)
-
McIntosh, E. C. (författare)
-
Bezerra, R. (författare)
-
Kamnitsas, K. (författare)
-
Frid, P. (författare)
-
Wasselius, J. (författare)
-
Cole, J. W. (författare)
-
Xu, H. C. (författare)
-
- Holmegaard, Lukas (författare)
- Gothenburg University,Göteborgs universitet,Institutionen för neurovetenskap och fysiologi,Institute of Neuroscience and Physiology
-
Jimenez-Conde, J. (författare)
-
Lemmens, R. (författare)
-
- Lorentzen, Erik, 1974 (författare)
- Gothenburg University,Göteborgs universitet,Institutionen för biomedicin,Institute of Biomedicine
-
McArdle, P. F. (författare)
-
Meschia, J. F. (författare)
-
Roquer, J. (författare)
-
Rundek, T. (författare)
-
Sacco, R. L. (författare)
-
Schmidt, R. (författare)
-
Sharma, P. (författare)
-
Slowik, A. (författare)
-
- Stanne, Tara M, 1979 (författare)
- Gothenburg University,Göteborgs universitet,Institutionen för biomedicin,Institute of Biomedicine
-
Thijs, V. (författare)
-
Vagal, A. (författare)
-
Woo, D. (författare)
-
Bevan, S. (författare)
-
Kittner, S. J. (författare)
-
Mitchell, B. D. (författare)
-
Rosand, J. (författare)
-
Worrall, B. B. (författare)
-
- Jern, Christina, 1962 (författare)
- Gothenburg University,Göteborgs universitet,Institutionen för biomedicin,Institute of Biomedicine
-
Lindgren, A. G. (författare)
-
Maguire, J. (författare)
-
Rost, N. S. (författare)
-
visa färre...
-
(creator_code:org_t)
- Ovid Technologies (Wolters Kluwer Health), 2019
- 2019
- Engelska.
-
Ingår i: Stroke. - : Ovid Technologies (Wolters Kluwer Health). - 0039-2499 .- 1524-4628. ; 50:7, s. 1734-1741
- Relaterad länk:
-
https://www.ahajourn...
-
visa fler...
-
https://gup.ub.gu.se...
-
https://doi.org/10.1...
-
visa färre...
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 (rho=0.92; P<0.0001). Median (interquartile range) diffusion-weighted MRI lesion volumes from 2770 patients were 3.7 cm(3) (0.9-16.6 cm(3)). 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.
Ämnesord
- MEDICIN OCH HÄLSOVETENSKAP -- Medicinska och farmaceutiska grundvetenskaper -- Neurovetenskaper (hsv//swe)
- MEDICAL AND HEALTH SCIENCES -- Basic Medicine -- Neurosciences (hsv//eng)
Nyckelord
- diffusion magnetic resonance imaging
- machine learning
- phenotype
- risk factors
- stroke
- cerebral-ischemia
- brain
- rationale
- genetics
- network
- mri
- Neurosciences & Neurology
- Cardiovascular System & Cardiology
Publikations- och innehållstyp
- ref (ämneskategori)
- art (ämneskategori)
Hitta via bibliotek
-
Stroke
(Sök värdpublikationen i LIBRIS)
Till lärosätets databas
- Av författaren/redakt...
-
Wu, O.
-
Winzeck, S.
-
Giese, A. K.
-
Hancock, B. L.
-
Etherton, M. R.
-
Bouts, Mjrj
-
visa fler...
-
Donahue, K.
-
Schirmer, M. D.
-
Irie, R. E.
-
Mocking, S. J. T ...
-
McIntosh, E. C.
-
Bezerra, R.
-
Kamnitsas, K.
-
Frid, P.
-
Wasselius, J.
-
Cole, J. W.
-
Xu, H. C.
-
Holmegaard, Luka ...
-
Jimenez-Conde, J ...
-
Lemmens, R.
-
Lorentzen, Erik, ...
-
McArdle, P. F.
-
Meschia, J. F.
-
Roquer, J.
-
Rundek, T.
-
Sacco, R. L.
-
Schmidt, R.
-
Sharma, P.
-
Slowik, A.
-
Stanne, Tara M, ...
-
Thijs, V.
-
Vagal, A.
-
Woo, D.
-
Bevan, S.
-
Kittner, S. J.
-
Mitchell, B. D.
-
Rosand, J.
-
Worrall, B. B.
-
Jern, Christina, ...
-
Lindgren, A. G.
-
Maguire, J.
-
Rost, N. S.
-
visa färre...
- Om ämnet
-
- MEDICIN OCH HÄLSOVETENSKAP
-
MEDICIN OCH HÄLS ...
-
och Medicinska och f ...
-
och Neurovetenskaper
- Artiklar i publikationen
-
Stroke
- Av lärosätet
-
Göteborgs universitet