Traumatic brain injury (TBI) is a major cause of death and disability worldwide. Automated brain hematoma segmentation and outcome prediction for patients with TBI can effectively facilitate patient management. In this study, we propose a novel Multi-view convolutional neural network with a mixed loss to segment total acute hematoma on head CT scans collected within 24 h after the injury. Based on the automated segmentation, the volumetric distribution and shape characteristics of the hematoma were extracted and combined with other clinical observations to predict 6-month mortality. The proposed hematoma segmentation network achieved an average Dice coefficient of 0.697 and an intraclass correlation coefficient of 0.966 between the volumes estimated from the predicted hematoma segmentation and volumes of the annotated hematoma segmentation on the test set. Compared with other published methods, the proposed method has the most accurate segmentation performance and volume estimation. For 6-month mortality prediction, the model achieved an average area under the precision-recall curve (AUCPR) of 0.559 and area under the receiver operating characteristic curve (AUC) of 0.853 using 10-fold cross-validation on a dataset consisting of 828 patients. The average AUCPR and AUC of the proposed model are respectively more than 10% and 5% higher than those of the widely used IMPACT model.

创伤性脑损伤 (TBI) 是全球死亡和残疾的主要原因。TBI 患者的自动脑血肿分割和结果预测可以有效地促进患者管理。在这项研究中，我们提出了一种具有混合损失的新型多视图卷积神经网络，以分割受伤后 24 小时内收集的头部 CT 扫描中的总急性血肿。基于自动分割，提取血肿的体积分布和形状特征，并结合其他临床观察来预测 6 个月的死亡率。所提出的血肿分割网络的平均 Dice 系数为 0.697，类内相关系数为 0。从预测的血肿分割估计的体积与测试集上注释血肿分割的体积之间有 966 个。与其他已发表的方法相比，所提出的方法具有最准确的分割性能和体积估计。对于 6 个月的死亡率预测，该模型在由 828患者。所提出模型的平均 AUCPR 和 AUC 分别比广泛使用的 IMPACT 模型高 10% 和 5% 以上。该模型在由 828 名患者组成的数据集上使用 10 倍交叉验证实现了 0.559 的精确召回曲线 (AUCPR) 下的平均面积和 0.853 的接受者操作特征曲线 (AUC) 下的面积。所提出模型的平均 AUCPR 和 AUC 分别比广泛使用的 IMPACT 模型高 10% 和 5% 以上。该模型在由 828 名患者组成的数据集上使用 10 倍交叉验证实现了 0.559 的精确召回曲线 (AUCPR) 下的平均面积和 0.853 的接受者操作特征曲线 (AUC) 下的面积。所提出模型的平均 AUCPR 和 AUC 分别比广泛使用的 IMPACT 模型高 10% 和 5% 以上。