基于机器学习的预测前列腺MRI中的图像质量,使用快速定位器图像
Abdullah Al-Hayali1, Amin Komeili2, Azar Azad3
1University of Guelph, School of Engineering, Guelph Imaging AI Lab, Guelph, Ontario, Canada.
Journal of medical imaging (Bellingham, Wash.)
|March 4, 2024
概括
机器学习使用快速定位器序列准确预测前列腺MRI质量,在发生之前识别次优检查. 这种方法可以节省时间和资源,因为它可以进行早期干预,以获得更好的诊断成像.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 前列腺MRI诊断性能依赖于高质量的成像.
- 直肠气体和膨胀会对前列腺MRI质量产生负面影响.
- 早期检测低质量的MRI可以防止浪费时间和资源.
研究的目的:
- 开发一种用于预测前列腺MRI质量的机器学习模型.
- 评估使用快速定位器序列用于质量预测的可行性.
- 为了使未达到最佳水平的MRI检查能够进行早期干预.
主要方法:
- 使用了213张前列腺MRI定位器图像与手动直肠细分的数据集.
- 深度学习模型,包括2D U-Net与ResNet-34,用于预测.
- 开发了基于放射学的分类器,并与专家质量评分进行了比较.
主要成果:
- 最好的模型准确预测了T2W,DWI和ADC序列的质量.
- 在测试组中,所有序列的90%以上实现了最佳考试.
- 一个基于放射学的分类器在质量预测方面表现出卓越的性能.
结论:
- 应用到局部化图像的基于放射学的分类器准确地预测了随后的前列腺MRI质量.
- 这种方法允许早期识别次优成像.
- 这些发现支持使用机器学习来优化前列腺MRI采集.
