在腰椎狭窄病例中使用深度U-Net合集对腰椎脊柱管道进行细分
Azim N Laiwalla1, Anshul Ratnaparkhi1, David Zarrin2
1Department of Neurosurgery, David Geffen School of Medicine, University of California Los Angeles, Los Angeles, California, USA.
World neurosurgery
|July 12, 2023
概括
深度学习算法可以准确地对腰椎狭窄症 (LS) 患者的腰椎脊柱通道进行细分. 这种自动化的方法与专家放射科医生的精度相匹配,提高了诊断效率.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 腰椎狭窄 (LS) 导致疼痛和虚弱,老年患者经常需要手术.
- 目前的诊断依赖于磁共振成像 (MRI) 的主观解释.
- 自动化可以提高LS的诊断严谨性,准确性和速度.
研究的目的:
- 评估一个深度U-Net组合,以对LS患者的腰椎脊柱管道进行细分.
- 为了比较自动细分与放射科医生细分的准确性和可靠性.
主要方法:
- 一个深度U-Net组合从100个腰部MRI扫描中接受了医生细分的脊柱通道的训练.
- 该模型在279名老年LS患者身上进行了测试,与训练组不同.
- 量化指标 (子分数,豪斯多夫距离,平均表面距离) 用于比较.
主要成果:
- 机器生成的细分在质量上与专家细分相似.
- 定量指标显示了机器和专家细分之间的可比性表现 (例如,子得分~0.88-0.89).
- 绩效指标与专家之间的评审者间的变化相似.
结论:
- 机器学习算法有效地对LS患者的腰椎脊柱通道进行细分.
- 自动化细分证明了与专家划分的质量和数量上的可比性.
- 这项技术有可能提高LS诊断的效率和一致性.
