在磁共振成像上预测骨髓 along Sacroiliac关节的机器学习管道

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:

• 圣关节磁共振成像 (MRI) 对于诊断诸如脊椎关节炎 (SpA) 等炎症状况至关重要.
• 准确检测骨髓胀 (BME) 是关键,但手动评估可能是主观的和耗时的.

研究的目的:

• 开发和验证一个完全自动化的机器学习 (ML) 算法,用于在SI关节MRI中在象限级预测BME.
• 为了实现客观和标准化的BME评估,协助SPA查和后续行动.

主要方法:

• 计算机视觉工作流被设计为自动定位SI关节,细分区域,提取象限,并预测T1/T2加权MRI扫描中的BME.
• 该算法使用ResNet18骨干进行了训练,并在SPA患者,产后患者和健康受试者身上进行了交叉验证.
• 一个独立的SPA患者MRI数据集被用于测试算法的性能.

主要成果:

• 该算法在SI关节检测中获得了高精度 (98.4%) 和良好的细分重叠 (85.6% ilium, 67.9% sacrum).
• 交叉验证显示炎症分类器的表现很强 (AUC 94.5%,B-ACC 80.5%).
• 独立的测试组显示出强大的性能 (AUC 88.2%,B-ACC 72.1%),患者水平的B-ACC达到81.4%.

结论:

• 已经开发了一个完全自动化的ML管道,用于对MRI的客观SI联合BME评估.
• 这种方法有可能简化SPA患者的查,并推进人工智能辅助诊断.