在使用深度学习的非对比T1-Vibe Dixon肝脏MRI上自动化肝脏细分体积比量化

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:

• 准确的肝体积测量对于手术规划和疾病评估至关重要.
• 手动量化肝脏细分和比率可能耗时,容易引起观察者之间的变化.
• 非对比的T1-振动迪克森MRI序列为肝脏成像提供了一种安全有效的方法.

研究的目的:

• 评估用于肝脏细分体积量化自动化深度学习管道的有效性.
• 评估使用这种自动化方法在非对比T1-vibe迪克森肝脏MRI上计算肝脏细分体积比 (LSVR) 的准确性.
• 将自动LSVR与手动MRI和CT计算进行比较.

主要方法:

• 一个卷积神经网络被训练在170个肝脏MRI上,用于分割Couinaud肝脏段.
• 肝脏分段体积和LSVR (分段I-III除以IV-VIII) 用经过训练的模型计算了30个看不见的MRI.
• 自动LSVR与专家手册LSVR和来自30名患者CT扫描的LSVR进行了比较.

主要成果:

• 深度学习模型在Couinaud分段分类中获得了0.770的Dice平均分数.
• 与手动MRI LSVR (0.33 ± 0.15) 相比,自动化LSVR (0.32 ± 0.14) 的平均绝对误差为0.02.
• 自动化LSVR与手动MRILSVR (r=0.97) 和CTLSVR (r=0.95) 有很高的相关性.

结论:

• 一个卷积神经网络能够准确的自动化肝脏细分体积量化.
• 从非对比T1-振动迪克森MRI自动计算LSVR是可靠的,可与手工方法相比较.
• 这种深度学习方法为高效准确的肝脏评估提供了有前途的工具.