通过基于人工智能的自动化MR图像细分来进行三维腰椎神经重建,以选择皮肤内镜腰椎切除术的方法

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 脊柱外科手术 脊柱外科手术

背景情况:

• 传统的2D成像限制了对PELD的3D腰部神经解剖学的理解.
• 人工智能驱动的3D重建为PELD规划提供了改进的空间评估.

研究的目的:

• 开发和验证基于AI的MR图像细分方法.
• 在L5/S1.1.上创建 lumbosacral 结构的3D模型,用于在L5/S1.1.上进行 PELD 方法选择.

主要方法:

• 开发用于自动细分MRI图像的AI算法.
• 专家手动细分为50个MRI样本提供了基本真相.
• 量化指标和交叉验证评估了AI的性能.

主要成果:

• 在对脊椎,椎间盘,神经和皮肤进行细分时获得的高子分数.
• 人工智能衍生的3D模型与地面真相模型没有显著差异.
• 人工智能和基本真相定量测量之间的高相关性和一致性.

结论:

• 基于人工智能的细分有效地重建了3D lumbosacral 解剖学.
• 该方法有助于在L5/S1层面选择适当的PELD方法.
• 建议使用更大的样本大小进行进一步验证.