使用卷积神经网络对身体MRI序列类型的自动分类
Kimberly Helm1, Tejas Sudharshan Mathai1, Boah Kim1
1Imaging Biomarkers and Computer-Aided Diagnosis Laboratory, Department of Radiology and Imaging Sciences, Clinical Center, National Institutes of Health, Bethesda, MD, USA.
ArXiv
|March 26, 2024
概括
这项研究引入了一种自动化方法来分类胸部,腹部和骨盆的3D磁共振成像 (MRI) 序列. 我们的AI模型准确地识别了MRI序列,减少了临床研究和AI开发中手动审查的需要.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 多参数MRI对于疾病诊断至关重要,但缺乏对协议和序列的标准化命名惯例.
- 影像实践和MRI扫描仪制造商的差异导致强度分布的差异和DICOM头部信息的冲突.
- 目前依赖临床医生的监督来准确识别序列,这阻碍了大规模的临床研究和AI算法开发.
结论:
- 拟议的自动化方法显著减少了MRI序列识别中需要人工临床医生监督的需要.
- 这种方法确保了DICOM标题的有效性,这对于临床研究和AI应用至关重要.
- 超越了先前最先进的MRI系列分类方法.


