一种深度学习方法来估计脏体积在患有Gaucher病的患者中
Ido Azuri1, Ameer Wattad2, Keren Peri-Hanania3
1Bioinformatics Unit, Department of Life Sciences Core Facilities, Weizmann Institute of Science, Rehovot 7610001, Israel.
Journal of clinical medicine
|August 26, 2023
概括
深度学习显著改善了Gaucher病 (GD) 患者的脏体积估计. 这种先进的方法比传统公式更准确,有助于更好地监测疾病和评估治疗.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 氏病研究研究 氏病研究
背景情况:
- 肝炎扩大是高氏病 (Gaucher disease,GD) 的一个常见症状.
- 使用MRI精确测量肝脏和脏体积对于GD评估和治疗监测至关重要.
- 目前临床实践中的脏体积估计公式存在重大不准确性.
研究的目的:
- 开发和验证一种深度学习方法,用于精确的脏细分和高希氏病患者的体积计算.
- 为了比较基于深度学习的脏体积估计与传统方法的准确性.
主要方法:
- 利用深度学习技术在MRI扫描上对脏进行细分.
- 使用开发的深度学习模型计算了脏体积.
- 结果与基于常规配方的方法对20名GD患者的队列进行了比较.
主要成果:
- 深度学习方法实现了体积估计的平均误差为3.6 ± 2.7%.
- 传统的配方方法导致平均误差明显更高,为13.9 ± 9.6%.
- 深度学习在计算脏体积方面表现出卓越的准确性.
结论:
- 深度学习提供了一个更准确,更可靠的方法来估计脏体积在高氏病.
- 将深度学习整合到临床实践中可以提高GD的诊断能力和治疗监测.
- 这种方法有可能改善Gaucher病管理中的患者结果.
