相关实验视频
Updated: Jun 24, 2026

09:30
Quantitative Magnetic Resonance Imaging of Skeletal Muscle Disease
Published on: December 18, 2016
19.6K
在CMT1A中使用自动下肢肌肉细分的定量MRI结果测量
Luke F O'Donnell1, Menelaos Pipis1, John S Thornton1
1Department of Neuromuscular Diseases, UCL Queen Square Institute of Neurology, London, UK.
Journal of neurology, neurosurgery, and psychiatry
|November 18, 2023
概括
人工智能显著改善了Charcot-Marie-Tooth病1A (CMT1A) 患者的脂肪分数MRI分析. 自动细分是有效和准确的,用于检测下肢肌肉的疾病进展.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 下肢肌肉脂肪分数 (FF) 的MRI检测了夏科特-玛丽-图斯病1A (CMT1A) 的进展.
- 用于FFMRI分析的手动细分是耗时的.
研究的目的:
- 评估CMT1A患者FFMRI的AI启用自动细分的响应能力,效率和准确性.
主要方法:
- 招募了20名CMT1A患者和7名对照人群进行12个月的评估.
- 使用三点迪克森技术用于大腿和小腿的FFMRI.
- 雇佣的Musclesense AI用于自动化下肢肌肉细分与质量控制 (QC).
主要成果:
- 在12.5个月的CMT1A患者中,平均小牛FF显著增加 (1.15%±1.77%,p=0.016).
- 使用QC进行自动细分显示标准化响应平均值 (SRM) 为0.65.
- 没有QC,FF变化几乎相同 (1.15%±1.68%,p=0.01) 与类似的SRM为0.69.
结论:
- 在CMT的纵向FFMRI研究中,人工智能支持的自动细分是高效和准确的.
- 需要最小的QC时间,并且校正不频繁.
- 这种技术为评估CMT1A进展提供了一种可行的方法.
更多相关视频
09:18Measurements of Motor Function and Other Clinical Outcome Parameters in Ambulant Children with Duchenne Muscular Dystrophy
Published on: January 12, 2019
10.4K
11:06Bilateral Assessment of the Corticospinal Pathways of the Ankle Muscles Using Navigated Transcranial Magnetic Stimulation
Published on: February 19, 2019
8.6K