从深度学习重建大脑计算机断层扫描图像上预测脑静脉鼻衰减的贫血

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:

• 贫血的诊断通常依赖于血液测试.
• 定量成像生物标志物可以提供非侵入性诊断替代方案.
• 不增强的头骨CT是一种常见的成像方式.

研究的目的:

• 评估使用深度学习重建 (DLR) 对未增强的头骨CT进行定量分析以预测贫血的潜力.
• 为了比较DLR与常规的重建方法用于贫血检测.

主要方法:

• 追溯分析116名参与者的同时血红蛋白 (Hb) 水平和未增强的头骨CT扫描.
• 使用DLR和混合代重建重建CT扫描.
• 感兴趣的区域包括鼻 (CoS) 和横鼻的交汇点;边缘上升距离也被测量.

主要成果:

• 在Hb水平和鼻衰减值之间发现了正相关性,DLR中的CoS显示了最强的相关性 (r=0.703).
• 在预测贫血 (Hb < 11 g/dL) 方面,DLR表现优异,在COS曲线下的最大面积 (0.874) 下,Hb < 11 g/dL).
• 与混合代重建相比,DLR表现出明显更高的衰减值,信号噪声比和边缘上升距离.

结论:

• 在大脑DLR图像中CT衰减值的定量分析显示,预测贫血是有前途的.
• 在DLR图像中CT衰减值较高与贫血有关.
• DLR提供了一种改进的方法,用于在未增强的头骨CT中进行定量分析,以预测贫血.