田风选 常健博 陈亦豪 魏俊吉 冯铭 王任直 贺喜武

精确计算硬膜下血肿（SDH）和硬膜外血肿（EDH）体积具有重要临床意义［1］。既往研究发现，对于慢性硬膜下血肿，仅引流20%的出血即可有效帮助血肿吸收［2］。不同类型颅内出血有多种测量和计算方法，传统的手动分割方法系计算血肿体积的“金标准”，但该方法耗时费力；另一传统的方法多田公式，即长×宽×高/2（A×B×C/2），虽适用于脑实质出血、硬膜下血肿［3］和硬膜外血肿［4］，但因硬膜下和硬膜外血肿形态并非均为对称的新月形或纺锤形，特别是许多慢性硬膜下血肿呈逗号样［5］，故计算结果的准确性有待商榷。随着深度学习等计算机技术的进步，越来越多的学者开始尝试应用相关技术计算血肿体积，如Cho等［6］构建涵盖所有脑出血类型的血肿体积算法，准确度达80%、回归度为82%；国内常健博等［7］也发现，与多田公式等传统算法相比，卷积神经网络（CNN）与手动分割估算脑实质出血血肿体积的一致性更高。但迄今未见一种专门针对硬膜下和硬膜外血肿的算法，基于此，本研究拟提出一种基于卷积神经网络的算法分割（以下简称算法分割），并与多田公式、手动分割进行对比，以期探索一种精准、便捷的硬膜下和硬膜外血肿体积测量方法。

资料与方法

一、研究资料

1.资料来源 本研究所用影像学资料经中国颅内出血影像数据库（CICHID）授权［8］，该数据库由中国医学科学院北京协和医院牵头，于2019年成立，截至2020年6月，该数据库共纳入20余所医疗中心计5000余例脑出血患者的头部CT影像资料。……