开发基于深度学习的系统,用于在多中心数据集上的轨道超声波图像中进行视觉神经表征
Francesco Marzola1, Piergiorgio Lochner2, Andrea Naldi3
1Biolab, Department of Electronics and Communications, Politecnico di Torino, Torino, Italy.
Ultrasound in medicine & biology
|June 25, 2023
概括
一个新的深度学习系统自动测量视神经直径 (OND) 和视神经外直径 (ONSD) 从轨道超声波 (TOS) 图像. 这种人工智能工具与手动测量有很好的相关性,为自动视神经分析铺平了道路.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 透视超声波 (TOS) 对于通过测量视神经直径 (OND) 和视神经外直径 (ONSD) 来评估内压力 (ICP) 和神经疾病至关重要.
- 准确的OND和ONSD测量对于诊断和监测各种神经系统疾病至关重要.
研究的目的:
- 开发和评估基于深度学习的系统,用于自动描述和测量B模式TOS图像中的OND和ONSD.
- 评估信号与噪声比 (SNR) 对自动化系统性能的影响.
主要方法:
- 一个UNet深度学习模型在来自多个中心和设备的110个受试者的464个TOS图像的多样化数据集上进行了训练.
- 该模型经历了五次交叉验证的严格训练,重复了八次,并使用合并方法进行最终预测.
- 自动测量与由专家使用临床模拟图形用户界面执行的手动测量进行了比较.
主要成果:
- 自动化系统在细分性能方面取得了0.719 ± 0.139的Dice分数.
- 与手动评估相比,在OND和ONSD测量中观察到0.69的强皮尔森相关性.
- 虽然SNR影响了细分,但其与直径测量精度的相关性并未明确定义.
结论:
- 开发的深度学习系统证明了可行性和与手动测量进行自动TOS图像分析的良好相关性.
- 这些有希望的结果支持使用人工智能的自动OND和ONSD测量协议的标准化.
- 该研究的数据集和手动测量将公开提供,以促进进一步的研究.
