基于机器学习的自动扫描处方腰椎MRI收购
Eugene Ozhinsky1, Felix Liu1, Valentina Pedoia1
1Department of Radiology and Biomedical Imaging, University of California San Francisco, 1700 4(th) St, San Francisco, CA 94143, United States.
Magnetic resonance imaging
|April 4, 2024
概括
这项研究引入了一种机器学习管道,用于自动磁共振成像 (MRI) 扫描处方,提高腰椎成像的准确性. 该系统显示了临床使用的可行性,减少了患者扫描中的手动调整.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 准确的扫描处方对于无错误的放射学解释至关重要.
- 最佳覆盖和对准解剖结构是MRI质量的关键.
研究的目的:
- 开发一条机器学习管道,用于自动化斜扫描处方.
- 使用先前MRI检查的定位器图像和元数据来训练管道.
主要方法:
- 开发了一种新的基于多片旋转区域的卷积神经网络 (MS-R2CNN) 架构.
- 模型被训练为自动的斜腰腰脊柱.
- 该管道集成到扫描仪控制台软件中,并对志愿者和患者进行了测试.
主要成果:
- 自动化处方在健康志愿者中表现出高准确度.
- 在手动和自动化处方之间观察到良好的一致性,以实现对齐和覆盖.
- 在患者中,90%的产生的处方被应用到最小的调整中.
结论:
- 定向物体检测模型可以在没有手动注释的情况下开出斜腰脊椎MRI.
- 机器学习管道可用于扫描仪上的自动化MRI采集处方.
![Quantitative [18F]-Naf-PET-MRI Analysis for the Evaluation of Dynamic Bone Turnover in a Patient with Facetogenic Low Back Pain](/_next/image?url=https%3A%2F%2Fcloudfront.jove.com%2FCDNSource%2Fteasers%2F58491.jpg&w=3840&q=50)

