一种半自动细分方法用于脑膜瘤,使用变异性方法模型开发
Liam Burrows1, Jay Patel2, Abdurrahman I Islim3,4
1Department of Mathematical Sciences and Centre for Mathematical Imaging Techniques, University of Liverpool, UK.
The neuroradiology journal
|December 26, 2023
概括
一个新的数学模型准确地使用MRI扫描对脑膜瘤脑瘤进行细分. 这种自动化方法可以帮助减少神经放射科医生在诊断脑膜瘤方面的工作负担.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 医学成像分析 医学成像分析
背景情况:
- 脑膜瘤是最常见的原发性脑瘤.
- 体积测量后对比MRI是脑膜瘤体积划分的黄金标准.
- 手动对MRI扫描进行细分是耗时的.
研究的目的:
- 调查基于模型的变异性方法对脑膜瘤细分的实用性.
- 评估用于脑膜瘤体积计算的自动化数学模型的准确性和可靠性.
主要方法:
- 为脑膜瘤细分开发了一个数学模型.
- 模型的性能被评估与手动细分由神经放射学家.
- 用Sørensen-Dice系数 (DICE) 和JACCARD指数来量化细分的准确性.
- 该模型在708个脑膜瘤切片的单独公开数据集上得到验证.
主要成果:
- 数学模型成功地对49例脑膜瘤病例中48例进行了细分.
- 手动和基于模型的细分的中位数体积相似 (19.0厘米3对16.9厘米3).
- 在这两组数据中,平均DICE分数为0.90和JACCARD指数为0.82的高精度得到了实现.
结论:
- 拟议的数学模型提供了精确的脑膜瘤体积细分.
- 这种自动化方法有可能减少神经放射科医生的手工工作量.
- 该模型对在脑膜瘤诊断中对比度增强体积MRI的有效分析具有前景.
