LST-AI:一个深度学习组合,用于准确的MS损伤细分

科学领域:

• 神经成像是一种神经成像.
• 人工智能在医学中的应用
• 医学图像分析 医学图像分析

背景情况:

• 白质病变 (WM) 的自动细分对于多发性硬化症 (MS) 的评估和研究至关重要.
• 现有的人工智能驱动的细分工具往往是专有的,阻碍了广泛采用.
• 十多年前开发的LST工具需要一个先进的,开源的继任者.

研究的目的:

• 引入LST-AI,这是基于LST工具的开源,深度学习的扩展,用于增强MS中大脑白质病变的自动化细分.
• 通过使用一种新的复合损失函数来解决对异质性多发性硬化病变和不平衡数据进行细分的挑战.
• 提供一个工具,包括基于既定标准的损伤位置注释.

主要方法:

• 开发了LST-AI,这是一组三个3D-UNets的集合,包含一个复合损失函数 (二进制交叉和Tversky损失) 来处理数据不平衡.
• 训练模型在491个内部MRI (T1w和FLAIR) 扫描上,这些扫描来自多发性硬化症患者,并带有专家注释的病变图.
• 在使用Anima验证工具对103个公共测试案例进行性能评估,与LST,SAMSEG和nnUNet进行比较,并根据MSSEG-1挑战数据集进行评估.

主要成果:

• LST-AI实现了优异的细分性能,Dice和F1得分超过0.62,超过了LST,SAMSEG和nnUNet (所有<0.56).
• 在MSSEG-1挑战数据集 (Dice 0.65,F1 0.63) 上表现出卓越的表现,超过了所有竞争模型.
• 在10mm3到100mm3之间的病变中显示出高检测率 (>75%),随病变体积增加而增加.

结论:

• LST-AI为MS研究和临床实践提供了自动化WM病变细分的重大进步.
• 它的开源性质和多功能部署选项 (命令行,Docker,Python脚本) 促进了广泛的可访问性和采用.
• 鼓励使用LST的研究人员过渡到LST-AI,以提高细分性能和病变特征.