—L'accident vasculaire cérébral est une condition neurologique grave qui nécessite un diagnostic rapide et précis pour réduire le risque de décès et de handicap à long terme. Les scans tomodensitométriques (CT) sont couramment utilisés pour la détection des AVC en raison de leur rapidité et de leur disponibilité aisée. Cependant, l'analyse manuelle de ces images peut prendre du temps et peut varier selon les radiologues. Cette étude présente un système basé sur l'apprentissage profond pour détecter les accidents vasculaires cérébraux en utilisant des réseaux de neurones convolutionnels (CNN) et des modèles de mémoire à long et court terme (LSTM). Le modèle CNN aide à extraire des caractéristiques importantes des images CT, tandis que le modèle LSTM améliore le processus de classification. Les résultats montrent une grande précision et fiabilité, soulignant le potentiel de l'apprentissage profond dans l'analyse des images médicales et l'amélioration de la prise de décision clinique.
NAIKOTI et al. (Sun,) ont étudié cette question.