相关实验视频
Updated: Jul 14, 2025
Use of 3D Robotic Ultrasound for In Vivo Analysis of Mouse Kidneys
Published on: August 12, 2021
在ADPKD中测试器官体积测量的可复制性,使用3D多模式深度学习
Xinzi He1, Zhongxiu Hu2, Hreedi Dev2
1School of Electrical and Computer Engineering, Cornell University and Cornell Tech, New York, New York (X.H., R.S.); Department of Radiology, Weill Cornell Medicine, New York, New York (X.H., Z.H., H.D., D.J.R., A.S., S.I.R., S.J.W., K.T., G.S., A.G., R.S., M.R.P.).
这项研究开发了一种3D深度学习模型,用于测量自身主导多囊性病 (ADPKD) 患者的器官体积,使用多个MRI序列. 该模型实现了高度可重现的体积测量,提高了疾病进展跟踪的准确性.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 腎臟病學 (nephrology) 是一種醫學專業.
背景情况:
- 自体主导多囊性病 (ADPKD) 的进展监测依赖于器官体积测量,这需要高精度.
- 使用MRI测量ADPKD患者器官体积的现有方法表现出显著的变化.
- 减少测量变化对于准确跟踪疾病进展和评估治疗疗效至关重要.
研究的目的:
- 开发和验证3D深度学习模型,用于在ADPKD患者中准确测量器官体积.
- 通过使用多个脉冲序列来减少基于MRI的器官体积量化的测量变化.
- 通过增强的成像分析,提高ADPKD进展评估的可靠性.
主要方法:
- 一个3D多模式,多类细分模型 (nnU-net) 在413名受试者的T1,T2,SSFP和DWIMRI序列上进行了训练和验证.
- 测试重复测试可重复性在19名ADPKD受试者身上进行了评估,在3周间隔内扫描两次.
- 在五个MRI序列中测量了器官体积,应用了异常分析和平均值以最大限度地减少变化.
主要成果:
- 该细分模型在多个器官和序列中实现了高精度,Dice相似系数>97%和Jaccard指数>0.94.
- 该模型在体积测量方面表现出卓越的测试重复测试可重复性,平均绝对差异为1.3%.
- 这种自动化方法超越了五名专家观察员的可重现性,并可靠地将ADPKD患者分层到梅奥影像分类类别中.
结论:
- 一个3D深度学习模型有效地测量了ADPKD患者多次MRI序列中的器官体积.
- 异常值分析和平均值的整合显著降低了测量变异性,为体积实现1.3%的测试重复测试可重复性.
- 这种先进的成像分析技术为监测ADPKD进展提供了更可靠,更准确的方法.
更多相关视频
06:03Integrating Augmented Reality Tools in Breast Cancer Related Lymphedema Prognostication and Diagnosis
Published on: February 6, 2020
07:35Use of Ultra-high Field MRI in Small Rodent Models of Polycystic Kidney Disease for In Vivo Phenotyping and Drug Monitoring
Published on: June 23, 2015