Transferencia de características de canal cruzado 3D U-Net para la segmentación automática de los espacios de fluidos...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• Trastornos del oído interno

Sus antecedentes:

• Las hidropsias endolimfáticas (EH) son clave para diagnosticar afecciones del oído interno como la enfermedad de Meniere.
• La segmentación precisa de los espacios de fluidos en las hidrops MRI es esencial para la identificación de EH.
• Los métodos actuales para la evaluación de la EH en la RM pueden ser intensivos en mano de obra y subjetivos.

Objetivo del estudio:

• Desarrollar un método totalmente automatizado para la segmentación de los espacios de fluidos endolimfáticos y perilimfáticos en la resonancia magnética hidrópica.
• Introducir un nuevo modelo U-Net de transferencia de características entre canales (CCFT) para mejorar la segmentación de EH.
• Evaluar el rendimiento del modelo 3D U-Net de CCFT con respecto a las técnicas de segmentación existentes.

Principales métodos:

• Se propuso una nueva arquitectura U-Net 3D de transferencia de funciones entre canales (CCFT).
• El modelo utilizó la transferencia de características de la cisterna de resonancia magnética (MRC) a las imágenes HYDROPS-Mi2.
• Se realizó una segmentación automatizada de los espacios de fluido perilinfático y endolinfático.

Principales resultados:

• El CCFT 3D U-Net logró una alta precisión de segmentación para el espacio perilinfático (DSC: 0.9459, IOU: 0.8975).
• El modelo demostró un buen rendimiento en la segmentación del espacio endolimfático (DSC: 0.8053, IOU: 0.6778).
• La transferencia de características de MRC mejoró significativamente la segmentación del espacio de fluido endolimfático.

Conclusiones:

• El CCFT 3D U-Net ofrece una solución robusta y automatizada para la segmentación de EH en RM.
• Este enfoque impulsado por la IA tiene el potencial de mejorar la precisión diagnóstica y la eficiencia de la evaluación de los trastornos del oído interno.
• El módulo CCFT es prometedor para avanzar en el análisis cuantitativo en imágenes hidrópicas.