自动图像分割和分级诊断与AS相关的圣炎使用CT图像上的深度卷积神经网络
Ke Zhang1, Guibo Luo2,3, Wenjuan Li1
1Department of Radiology, the Fifth Affiliated Hospital, Sun Yat-Sen University, Zhuhai, 519000, China.
Journal of digital imaging
|June 2, 2023
概括
这项研究开发了一种人工智能方法,通过自动细分关节 (SIJ) 和在CT扫描上对关节炎进行分级来诊断关节炎 (AS),显示出高精度,特别是在严重病例中.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 风湿病学和炎症性疾病
背景情况:
- 结节性脊柱炎 (AS) 诊断严重依赖于成像,特别是计算机断层扫描 (CT) 上分级神经脊柱炎.
- 目前基于CT的圣炎分级是主观的,容易发生读者间的变化.
- 开发一个客观的,自动化的方法对于一致的AS诊断至关重要.
研究的目的:
- 在CT图像上创建一个完全自动化的神经关节 (SIJ) 细分方法.
- 开发一种人工智能 (AI) 模型,用于分类与AS相关的圣炎.
- 评估人工智能模型与人类放射科医生的性能.
主要方法:
- 利用No-new-UNet (nnU-Net) 在435个CT考试中实现SIJ自动细分.
- 采用3D卷积神经网络 (CNN) 来对三类圣炎进行分级 (修改了纽约标准).
- 与三位经验丰富的肌肉骨放射科医生对比AI评分性能.
主要成果:
- nnU-Net实现了高细分精度 (Dice:0.889,Jaccard:0.812在测试组上). nnU-Net实现了高细分精度 (Dice:0.889,Jaccard:0.812在测试组上).
- 3D CNN在分级圣炎方面表现出强的表现 (AUC范围从0.80到0.96).
- 人工智能在特定分级课程中表现优于或与放射科医生相提并论.
结论:
- 一种完全自动化的AI方法可以准确地对SIJ进行细分,并在CT上对AS诊断进行分级.
- 人工智能模型对于对0级和2级神经炎的评分特别有希望.
- 这种人工智能方法提供了一个潜在的解决方案,以提高AS诊断的客观性和一致性.
