对T2W前列腺MRI图像的基于放射学的自动化质量评估

科学领域:

• 医学成像分析分析 医学成像分析
• 放射学中的人工智能
• 前列腺癌诊断的诊断方法

背景情况:

• 磁共振成像 (MRI) 对于前列腺癌检测至关重要,但图像质量的变化会影响可靠性.
• 需要对前列腺MRI质量的客观和自动评估,以确保足够的采集并提高诊断准确性.

研究的目的:

• 调查使用盲人/无参考图像空间质量评估器 (Brisque) 和放射学来自动评估T2加权 (T2W) 前列腺MRI质量的可行性.
• 开发和验证一个模型来区分临床上可接受的和不可接受的T2W前列腺MRI质量.

主要方法:

• 140名患者的T2W前列腺MRI图像由两位读者使用五分利克尔特尺度对其质量进行了评估.
• 从前列腺区域提取了放射学和布里斯克特征,以训练线性差异分析 (LDA) 模型.
• 用5倍的交叉验证重复200次来评估模型性能,包括分类准确性和ROC-AUC.

主要成果:

• 自动化模型在一个独立的测试组中实现了85.4%±5.5%的准确性.
• 接收器操作曲线 - 曲线下的面积 (ROC-AUC) 为0.856,表明了良好的区分性能.
• 在140张图像中,34张被归类为临床上不可接受的图像,106张被归类为临床上可接受的图像.

结论:

• 基于放射学的人工智能可以有效地自动检测低于最佳的T2W前列腺MRI质量.
• 自动化质量评估可以改善图像采集,减少扫描重复,提高前列腺癌成像诊断可靠性.