在SI联合MRI中,SPARCC评分系统的深度学习算法
Yingying Lin1, Peng Cao1, Shirley Chiu Wai Chan2,3
1Department of Diagnostic Radiology, The University of Hong Kong, Hong Kong, China.
Journal of magnetic resonance imaging : JMRI
|January 3, 2024
概括
一个新的深度学习管道准确地使用SPARCC评分系统对神经炎进行评分,显示出与人类专家对脊髓关节炎评估的高度一致性.
科学领域:
- 医疗成像中的人工智能
- 放射学和诊断成像 放射学和诊断成像
- 风湿病学和肌肉骨疾病
背景情况:
- 加拿大脊椎关节炎研究联盟 (SPARCC) 的评分系统是分类神经关节炎的标准.
- 精确的圣炎分级对于诊断和管理脊髓关节炎至关重要.
研究的目的:
- 开发和评估深度学习 (DL) 管道,用于自动化圣炎分级.
- 评估DL管道的性能与已建立的SPARCC评分系统相比.
主要方法:
- 这是一项前性研究,涉及389名患有神炎的参与者.
- 在3-T STIR MRI序列上开发DL模型来对骨髓胀 (BME) 和关节进行细分.
- 使用类内相关系数 (ICC) 和皮尔森系数,将DL管道得分与专家人类读者进行比较.
主要成果:
- 该DL管道实现了与人类读者的高一致性,ICC为0.83和Pearson系数为0.86.
- 观察到BME检测的高灵敏度 (0.83) 和SI联合识别的准确度 (0.90).
- 十字骨和阴骨细分的子系数分别为0.82和0.80.
结论:
- 开发的深度学习管道在基于SPARCC系统的圣炎分级方面表现强.
- 这种DL方法提供了一种可靠和一致的方法,用于在脊椎关节炎患者中得分STIRMRI图像.
- 这些发现表明,人工智能有可能提高神炎评估的效率和准确性.
