使用脑MRI识别CSF静脉的患者:一种深度学习方法
Shahriar Faghani1, Mana Moassefi1, Ajay A Madhavan2
1From the Radiology Informatics Lab, Department of Radiology, Mayo Clinic, Rochester, Minnesota.
AJNR. American journal of neuroradiology
|February 29, 2024
概括
一个新的深度学习模型准确地预测脑脊液 (CSF) - 静脉囊使用脑MRI在患者自发性内低血压. 这种人工智能工具对诊断CSF泄漏非常有希望,有助于临床决策.
科学领域:
- 神经学 神经学
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 人们越来越多地认识到自发性内低血压 (SIH).
- 它是由脑脊液 (CSF) 泄漏引起的,通常与CSF静脉囊有关.
- 在SIH患者中,大脑MRI可能会显示持续增强,大脑缩和垂体胀.
研究的目的:
- 开发一个深度学习模型来准确诊断CSF静脉.
- 为了利用大脑磁共振成像 (MRI) 识别CSF泄漏.
- 改善疑似SIH患者的诊断准确度.
主要方法:
- 在129名患者的大脑MRI扫描上训练了一种深度学习模型.
- 患者根据数字减去神经图的发现 (确定的,没有,不确定的) 来分类.
- 使用5倍交叉验证来评估模型可靠性和预测值 (接收器操作特征曲线下的面积).
主要成果:
- 该研究包括129名患者 (平均年龄54岁,51.2%患有CSF静脉).
- 深度学习模型实现了接收器运行特征曲线下的平均面积为0.8668 (±0.0254).
- 该模型在区分CSF静脉管的阳性和阴性病例方面表现出强的表现.
结论:
- 开发了一种深度学习模型,用于预测SIH患者的大脑MRI中的脊柱CSF静脉囊.
- 临床采用需要进一步的细化和外部验证.
- 深度学习显示出使用脑MRI诊断CSF静脉的巨大潜力.
