淋巴结的普遍检测和细分在多参数MRI中的淋巴结
Tejas Sudharshan Mathai1, Sungwon Lee2, Thomas C Shen2
1National Institutes of Health (NIH) Clinical Center, Bethesda, MD, USA. tejas.mathai@nih.gov.
概括
一个新的计算机辅助管道在多参数MRI扫描中准确地检测和细分淋巴结. 这种方法改进了现有的方法,有效地利用T2脂肪抑制和扩散权重成像系列,以更好地评估淋巴腺病变.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 在多参数MRI (mpMRI) 中精确的淋巴结 (LN) 测量对于分期转移性疾病至关重要.
- 在mpMRI中检测和细分LN的现有方法在性能上有局限性,并且不能充分利用互补的成像序列.
研究的目的:
- 开发计算机辅助检测和细分管道,用于在mpMRI中进行普遍的LN识别.
- 提高mpMRI研究中LN评估的准确性和可靠性.
主要方法:
- 开发了一个管道,利用mpMRI的T2脂肪抑制 (T2FS) 和扩散权重成像 (DWI) 系列.
- 同时注册和混合T2FS和DWI系列使用选择性数据增强进行.
- 一个Mask RCNN模型被训练用于3D LN检测和细分.
主要成果:
- 拟议的管道实现了高精度 (%) 和灵敏度 (%) 在每卷4个假阳性.
- [公式:参见文本]%的子得分证明了有效的细分性能.
- 与当前方法相比,观察到显著的改进,精度增加了[公式:参见文本]%,[公式:参见文本]%的灵敏度,以及[公式:参见文本]%的子得分.
结论:
- 开发的管道在mpMRI中成功检测和细分了转移性和非转移性淋巴结.
- 该模型表现出灵活性,可以单独接受T2FS系列或T2FS和DWI系列的混合.
- 这种方法消除了对T2FS和DWI系列的依赖,克服了先前工作的局限性.
