脑出血血肿扩大风险预测深度学习模型构建及可解释性研究

针对脑实质出血、脑室积血扩大难以准确预测的临床挑战，本项目拟基于已有的多中心脑出血数据库，在前期已构建的脑实质出血和脑室积血体积自动测量的 nnU-Net 模型基础上，通过深度学习技术解决融合平扫 CT 图像和临床数据以及模型构建的关键技术问题，构建一套能够有效预测脑实质出血、脑室积血扩大的端到端模型，并对深度学习模型进行可解释性分析，以便研究人员和临床医生可以更深入地理解深度学习模型根据 CT 图像预测过程中的决策机制，从而提高预测血肿扩大风险的准确性和效率。也为临床开展脑出血个性化诊疗，降低脑出血患者死亡率及致残率提供帮助。