及时检测和准确分割急性缺血性脑卒中(AIS)病变的磁共振图像(MRI)是至关重要的分流患者血管内治疗。病变的分割是一个常规的过程，其中异常区域的大脑图像是定性的，并由专家放射学家手动挑选。然而，手工病灶分割是费时的，并受到操作人员的偏见。因此，目前尚无有效且低成本的AIS病变筛查方法。

本研究介绍了一种新颖的、全自动的AIS病变检测与分割技术，并将图像分为脑卒中和非脑卒中两类。这种全自动异常检测方法将受试者的扩散加权图像(DWIs)和表观扩散系数(ADC)图像与一组健康图像在体素水平上进行比较。

DWI高信号区和ADC低信号区被识别为病变，并作为病变面罩保存。研究了近100例病变的分割方法。由于伪影、噪声、图像分辨率低，存在识别病变的假风险，因此该方法生成的病变掩模通过二分类器进行筛选，二分类器可以确认所生成的病变掩模是否含有真实的AIS病变。在约200个核磁共振成像上对分类性能进行了评估。

发表在《神经科学方法杂志》上的结果表明，专家手工绘制的病灶与之吻合良好(黄金标准)。整个方法包括病灶分割和图像分类，简单、快速，不需要较高的计算能力和内存。

他说:“我们相信这项技术可以应用于医院的日常临床诊断系统。”由于该方法的可重复性，这种方法可以帮助放射科医生加快病灶检测的工作流程，并减少操作员在病灶分割中的偏见，”来自Turku PET中心的项目研究员Sanaz Nazari-Farsani说。