韩小伟，李 茗，张 冰,2

1南京大学医学院附属鼓楼医院医学影像科，南京 2100082南京大学脑科学研究院，南京 210008

人工智能是计算机科学中快速发展的研究领域，旨在通过多种算法模拟人类认知和信息处理过程，由于临床医学成像过程中生成了大量复杂高维的图像数据而特别适合采用人工智能算法进行处理[1]。人工智能模型算法涉及常见的机器学习算法，如采用监督学习的支持向量机(support vector machine, SVM)、线性回归、Logistic回归、朴素贝叶斯及采用非监督学习的分层聚类、K均值等。随着基于深度学习的卷积神经网络(convolutional neural network, CNN)架构的发展和完善，人工智能已从最初的计算机视觉应用示范逐渐转向医学图像处理领域，并显示出巨大的应用前景[2]。近年来，人工智能在神经影像领域的应用研究呈现出强劲的增长态势，尤其是新兴的各类CNN技术可更为有效和更加准确地进行图像数据处理[3]。在临床实践中，脑卒中患者神经影像检查在诊疗及随访过程中发挥非常关键的作用。对于急性脑卒中影像，人工智能在梗死或出血灶的检测、分割、分类、分型以及脑血管状态检测、脑卒中早期评估、病情分级和转归预测中具有越来越多的应用[4- 5]。采用人工智能技术数据分析和构建的模型可以帮助临床医生对脑卒中患者进行诊疗、随访评估和及时干预，有效降低了患者的发病率和死亡率[6- 7]。本文通过回顾缺血性与出血性脑卒中人工智能技术的研究现状，阐述人工智能在脑卒中神经影像诊断、鉴别诊断、病灶量化分析及疗效评估等方面的应用及临床转化，并针对当前存在的缺陷和应用限制分析未来发展前景，以期为临床诊疗提供最新借鉴。……