通过使用形态波器银行和卷积神经网络在二维梯度召唤回声T2*加权图像上自动检测大脑微出血
Noriko Nishioka1,2, Yukie Shimizu1,2, Toru Shirai3
1Department of Diagnostic and Interventional Radiology, Hokkaido University Hospital, Sapporo, Hokkaido, Japan.
概括
结合形态过器银行和卷积神经网络 (CNN) 的新算法,可以准确地检测T2*WIs上的脑微血流 (CMB). 与全面检测相比,这种方法显著减少了假阳性,提高了效率.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 神经学 神经学
背景情况:
- 大脑微出血 (CMB) 是经常在T2*加权图像 (T2*WIs) 上检测到的小病变.
- 准确和高效的CMB自动检测对于诊断和研究至关重要.
- 现有的方法可能会与高的假阳性率作斗争,影响临床效用.
研究的目的:
- 开发和评估一种新的算法,用于在2D T2*WIs.上自动检测CMB.
- 通过将形态过器银行与卷积神经网络 (CNN) 结合起来,提高检测效率.
- 在灵敏度和假阳性减少方面评估算法的准确性.
主要方法:
- 一项回顾性研究包括60名T2*WIs上CMB患者,由三个神经放射学家建立的黄金标准.
- 使用形态过器银行从训练数据集中提取CMB候选者,根据大小和信号强度删除假阳性 (FP).
- 一个CNN (Vgg16) 在这些精细的候选人上受过训练,其性能与使用单独的测试数据集的没有过器的综合检测方法进行了比较.
主要成果:
- 形态过器银行与CNN处理相结合,实现了95.0%的灵敏度,每患者4.37个FP.
- 相比之下,没有过器的综合检测方法产生了97.5%的灵敏度,但每名患者的FP值明显高于25.87.
- 过器银行方法在减少虚假阳性结果方面表现出卓越的效率,同时保持高检测率.
结论:
- 形态过器银行和CNN的结合方法有效地改进了CMB候选者并减少了假阳性.
- 这种方法可方便在T2*WIs上准确自动检测CMB,提供高检测率和低FP数量.
- 将CNN与形态过器银行集成,有望在临床实践中推进自动化CMB检测.
