基于深度学习的脑室分片的概率图的调查
Yuli Wang1, Anqi Feng1, Yuan Xue2
1Department of Biomedical Engineering, Johns Hopkins School of Medicine, Baltimore, MD 21205, USA.
Proceedings of SPIE--the International Society for Optical Engineering
|November 28, 2023
概括
这项研究提出了一种改进的3DU-net方法,用于在MRI扫描中对脑室进行细分,这对于评估正常压力脑水 (NPH) 和帮助外科决定至关重要.
科学领域:
- 神经成像是一种神经成像.
- 医学图像分析 医学图像分析
- 人工智能在医学中的应用
背景情况:
- 正常压力脑水 (NPH) 是一种神经疾病,其特征是腹腔大.
- 对大脑心室系统的准确细分对于NPH诊断和手术规划至关重要.
- 现有的细分方法可能会在MRI中与扩大的心室或外科术后人工物作斗争.
研究的目的:
- 开发和验证一个修改后的3DU-net模型,用于MRI扫描中精确的腹腔分片.
- 为了提高NPH患者的细分的准确性,包括那些有显著的心室扩大或分流器人造物的人.
- 在NPH管理的背景下,为评估心室系统提供一个强大的工具.
主要方法:
- 修改了3D U-net架构,其中包含了概率图.
- 修改后的3D U-net在脑MRI上用于心室细分的应用.
- 在健康对照组和NPH患者中使用子相似系数 (DSC) 评估细分性能.
主要成果:
- 整个心室细分的高平均DSC值:0.864 ± 0.047 (健康对照组) 和0.961 ± 0.024 (NPH患者).
- 在严重扩大的心室 (平均DSC:0.965 ± 0.027) 和手术后的分流器件 (平均DSC:0.964 ± 0.031) 的MRI上表现出卓越的性能.
- 拟议的方法显示出稳定性和与最先进的技术可比的性能.
结论:
- 经过修改的3D U-net与概率图提供了一个强大而准确的工具,用于大脑心室分片.
- 这种方法有效地应对像NPH患者MRI中的放大心室和外科手术器件等挑战.
- 开发的技术支持对NPH手术干预进行改进的评估.


