通过深度学习获得的基于CT的体积测量:与神经退行症生物标志物的关联
Meera Srikrishna1,2, Nicholas J Ashton1,2,3,4, Alexis Moscoso1,2
1Wallenberg Centre for Molecular and Translational Medicine, University of Gothenburg, Gothenburg, Sweden.
Alzheimer's & dementia : the journal of the Alzheimer's Association
|September 28, 2023
概括
计算机断层扫描 (CT) 的体积测量现在可以识别神经退行性疾病,其准确性与MRI相美. 这些基于CT的测量显示出与认知功能和生物标志物的强烈关联,表明它们作为一线诊断工具的潜力.
科学领域:
- 神经成像是一种神经成像.
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 部计算机断层扫描 (CT) 是广泛用于结构评估,但不是用于量化神经退行.
- 深度学习模型已经提高了CT组织分类的准确性和稳定性.
研究的目的:
- 评估基于CT的体积测量 (CTVM) 在诊断神经退行性疾病中的有效性.
- 为了将CTVM的性能与已建立的基于磁共振 (MR) 的测量方法进行比较.
主要方法:
- 分析了917个CT和744个MRI扫描从哥德堡H70出生队列,和204个CT和241个MRI扫描从记忆诊所队列,新加坡.
- 测试六种CTVM与临床诊断,生物标志物和认知措施之间的关联.
主要成果:
- CTVM准确地将健康人与痴呆症和前发性痴呆症患者区分开来,其准确性与基于MR的测量结果相美.
- CTVM与认知指标和神经退行症的生化标志物有显著的关联.
- 基于CT的自动化细分显示了与MRI成像比视觉评估更强的交叉模式协议.
结论:
- 基于CT的体积测量显示出作为神经退行性疾病诊断的信息第一线工具的潜力.
- CTVM可以区分神经退行性疾病患者和健康对照者,以及前发性痴呆患者和对照者.
- 建议对CTVMs的临床实施进行进一步的验证.
