使用深度学习对肝脏和肝脏病变的细分
Maryam Fallahpoor1, Dan Nguyen2, Ehsan Montahaei3
1Department of Nuclear Medicine, Vali-Asr Hospital, Tehran University of Medical Sciences, 1419731351, Tehran, Iran.
Physical and engineering sciences in medicine
|February 21, 2024
概括
深度学习在MRI扫描上准确地细分肝脏,用于剂量计等应用. 然而,肝损伤细分率低于最佳,限制了其用于瘤检测的使用.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 在医学成像中,准确的器官和病变细分对于核医学剂量计和图像分析等应用至关重要.
- 在3DMRI数据上对肝脏和肝脏病变进行细分的深度学习方法仍然是一个需要进一步研究的领域.
研究的目的:
- 开发和评估一种深度学习模型,用于使用多对比MRI数据对肝脏和肝脏病变进行细分.
- 评估模型在肝脏剂量测量和瘤检测方面的潜在应用的性能.
主要方法:
- 收集了128名患者的T1w和T2wMRI图像,生成肝脏和病变的基底真相标签.
- 利用基于Isensee 2017网络的深度学习模型,将T1w和T2w图像处理为双通道输入.
- 在18个持久测试数据集上评估模型性能,使用Dice系数.
主要成果:
- 深度学习模型在18个测试案例中实现了平均88%的子系数,用于肝脏细分.
- 肝损伤细分产生了较低的平均子系数53%.
- 该模型成功地对所有18个测试案例进行了细分,证明了肝脏划分的高准确性.
结论:
- 开发的深度学习模型显示肝脏细分的高准确性,适用于肝脏剂量计和PET/MRI中的衰减校正等应用.
- 肝损伤细分的低最佳性能表明,目前的方法在临床数据上对瘤检测是不切实际的.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
13:57Laparoscopic Anatomical Liver Segment VII Resection with Liver Parenchymal Transection Following a Priority Approach
Published on: May 23, 2025
252
