在手术前和手术后的腹腔大脑中,自动化腹腔分离和埃文比率计算

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 神经学 神经学

背景情况:

• 正常压力脑症 (NPH) 是一种神经疾病,其特征是大脑心室膨胀和显著的认知和运动障碍.
• 对心室膨胀的定量评估,通常是通过MRI上的Evan的比率 (ER),对于NPH诊断至关重要.
• 手动ER测量是耗时的,容易引起观察者之间的变化.

研究的目的:

• 开发一种自动化,强大的方法,用于在MRI扫描中对心室进行细分,以诊断NPH.
• 为了使埃文的比率 (ER) 的准确和高效的计算,即使在NPH治疗的文物存在.
• 提供一个工具,帮助临床医生诊断和管理NPH.

主要方法:

• 一个以3D感兴趣区域 (ROI) 意识的深度学习网络被提议用于MRI中的自动心室细分.
• 该方法的设计是为了能够稳定地图像通常在术后NPH患者中发现的文物.
• 基于细分结果,开发了一种自动化方法来计算基于细分结果的埃文比率 (ER).

主要成果:

• 拟议的ROI意识网络在心室细分方面实现了最先进的性能.
• 该方法在手术前和手术后的MRI扫描中都表现出高精度,包括那些带有分流相关文物的人.
• 基于细分的自动化ER计算提供了可靠的定量测量.

结论:

• 开发的自动化细分方法为NPH诊断和管理提供了重大进步.
• 该ROI意识网络对工件的稳定性使其适合在正在接受或已经接受过治疗的NPH患者中进行临床应用.
• 这项技术有可能简化诊断过程,并改善正常压力水脑病患者的护理.