使用转移学习来实现自动化微型血液细分

科学领域:

• 神经成像是一种神经成像.
• 医疗图像分析 医学图像分析
• 神经学 神经学

背景情况:

• 大脑微型出血是小的出血,表明脑血管病理和痴呆风险.
• 目前的识别依赖于MRI的手动细分,这是耗时且可变的.
• 现有的自动化方法与错误阳性作斗争,限制了它们的临床实用性.

研究的目的:

• 开发一个自动化,精确的微型血液细分工具.
• 使用可标准化的MRI对比度,以提高扫描仪之间的协调性.
• 克服手动细分和现有的自动化技术的局限性.

主要方法:

• 一个ResNet50网络在T1加权,T2加权和T2*MRI上使用转移学习进行了训练.
• 应用了形态运算符和规则来减少错误阳性.
• 该系统使用78名参与者的手动微型血液细分进行了训练和验证.

主要成果:

• 自动化方法实现了高补丁级性能:99.57%的灵敏度,99.16%的特异性和99.93%的准确性.
• 损伤分析显示,不同大脑区域 (皮质GM,深层GM,WM) 的高灵敏度 (89.1-100%).
• 该系统在深灰色物质中表现出色 (100%的灵敏度,精度和Dice指数).

结论:

• 开发的自动化方法对于微出血检测具有高度灵敏性.
• 该工具为手动细分提供了更精确,更有效的替代方案.
• 这种方法有可能改善脑血管疾病的诊断和监测.