瓦尔多在哪里? 血管病变检测和细分在MICCAI 2021年的挑战
Carole H Sudre1, Kimberlin Van Wijnen2, Florian Dubost2
1MRC Unit for Lifelong Health and Ageing at UCL, Department of Population Science and Experimental Medicine, University College London, London, United Kingdom; Centre for Medical Image Computing, University College London, London, United Kingdom; School of Biomedical Engineering and Imaging Sciences, King's College London, London, United Kingdom.
Medical image analysis
|November 21, 2023
概括
自动检测小血管疾病标志物对大脑健康研究有很大的前景. 虽然扩大周血管空间和微型血液的算法表现良好,但缺口检测需要进一步开发用于临床使用.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 手动评估脑小血管疾病 (SVD) 成像标记是耗时且不一致的.
- 需要自动化方法来提高SVD评估在研究和临床环境中的可靠性和效率.
- 目前用于SVD标记物的自动化算法的诊断可靠性在很大程度上是未知的.
研究的目的:
- 评估用于检测和细分SVD成像标记物的自动化方法的性能.
- 促进对扩大周血管空间 (EPVS),大脑微血流 (CMB) 和使用弱和杂标签的缺口进行算法的开发.
- 评估这些自动化方法的诊断可靠性.
主要方法:
- 血管病变的检测和细分 (VALDO?) 这项挑战是MICCAI 2021的一部分.
- 十二个团队开发了用于检测和细分EPVS (任务1),CMB (任务2) 和缺口 (任务3) 的自动化解决方案.
- 多个队列数据被用于培训和评估拟议的方法.
主要成果:
- 在参与团队和任务中,绩效差异很大.
- 在EPVS和CMB的自动检测方面取得了有希望的结果.
- 在这个阶段,自动检测缺口并没有产生实际有用的结果.
- 观察到个别病例的表现不一致,限制了个别水平的临床效用.
结论:
- 自动检测和细分方法显示了SVD研究的潜力,特别是EPVS和CMB.
- 目前用于缺口检测的算法需要在临床应用中得到显著改进.
- 虽然个人级别的诊断可靠性尚未确定,但自动化SVD标志物评估可能在人口级别有用.
