在双参数前列腺MRI中评估图像质量的深度学习:可行性研究
Deniz Alis1, Mustafa Said Kartal2, Mustafa Ege Seker3
1Acibadem Mehmet Ali Aydinlar University, School of Medicine, Department of Radiology, Istanbul, 34457, Turkey.
European journal of radiology
|June 24, 2023
概括
深度学习 (DL) 显示了自动化双参数MRI质量评估的前景,与经验较少的读者匹配. 这项技术可以协助或取代人类视觉评估,以提高一致性.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人类读者在双参数MRI中表现出不一致的图像质量评估,影响诊断可靠性.
- 像PI-QUAL这样的现有质量评估系统在读者一致性方面存在局限性.
研究的目的:
- 评估深度学习 (DL) 在双参数前列腺MRI中自动图像质量评估的可行性.
- 为了比较DL模型与经验较少的人类阅读者的性能.
主要方法:
- 在PI-CAI数据集中的500个双参数前列腺MRI扫描上训练了一个3D深度学习模型.
- 图像质量使用3分利克特尺度 (差,中等,优秀) 进行评估.
- 将DL模型的性能与四个不那么有经验的读者进行了比较,他们评估了100个测试扫描.
主要成果:
- 对于T2W图像和ADC地图,DL模型实现了中等 (κ=0.42) 和良好的 (κ=0.61) 与专家共识的协议.
- 经验较少的读者对T2W图像和ADC地图表达了相当或中等 (κ=0.390.56) 和相当或好 (κ=0.390.62) 的同意.
结论:
- 深度学习模型可以在评估双参数前列腺MRI质量方面达到与经验较少的读者相当的性能.
- 自动化DL评估提供了一个可行的工具,以提高一致性,并可能帮助人类读者.
- 在更大的,专家注释的数据集上训练的未来DL模型可以提供可靠的自动化图像质量评估.


