骨盤軟組織のディープラーニングセグメンテーションは,常規のT2スキャンを使用して,イソトロピクおよびアニソトロピクMRIで行われます

科学分野:

• メディカルイマージング (医学イメージング)
• ディープラーニング (Deep Learning) とは,ディープラーニング (Deep Learning) を意味する.
• 解剖学的なセグメンテーション

背景:

• ディープラーニングネットワークを使用した3D骨盤トポグラフィの自動セグメンテーションは,手術前計画と外科ナビゲーションを向上させることができます.
• 臨床実務で一般的なアニゾトロピックMRIスキャンには,不均等な解像度による制限があり,骨盤構造の正確なセグメンテーションを妨げています.

研究 の 目的:

• 骨盤筋と神経組織のためのアニソトロピク対アイソトロピクMRI再構築で訓練されたディープラーニングモデルのセグメンテーションパフォーマンスを比較するために.
• 3D骨盤モデルの精度と解剖学的な精度に対するMRIデータイソトロピーの影響を評価する.

主な方法:

• 2つのnnU-Netモデルは,直腸がん患者35人のT2加重型MRIスキャンを用いて訓練されました:一つはアニゾトロピックデータで,もう一つは同位体的に再構築された体積で.
• モデルの性能は,ダイス類似度係数 (DSC),交差点対ユニオン (IoU),精度,およびサクラル神経,閉塞神経,およびピリフォームス筋を分割するためのリコールを使用して評価されました.

主要な成果:

• 同位体MRI再構築で訓練されたモデルは,特に閉塞神経 (DSC: 0.76 vs. 0.71) に対して,優れたセグメンテーションパフォーマンスを示しました.
• 両モデルは,ピリフォームス筋の高いDSCスコア (>0.95) と,サクラ神経の良いパフォーマンス (>0.86) を達成しました.
• 定性分析は,アニゾトロピックモデルからの粗い表面と比較して,イソトロピックモデルによるより滑らかで,より自然な解剖学的な表現を明らかにした.

結論:

• 同位体MRI再構築は,セグメンテーションの精度が向上し,より解剖的に正しい3D骨盤モデルを提供します.
• 臨床ワークフローで同位体再建を好むことは,骨盤MRIのセグメンテーションの精度と効率を高め,手術前計画と外科ナビゲーションに利益をもたらします.