卷积神经网络研究对比增强磁共振基于成像的骨小腿肌肉 perfusion 在周围动脉疾病中的神经网络
Bijen Khagi1, Tatiana Belousova2, Christina M Short3
1Penn State Heart and Vascular Institute, Pennsylvania State University College of Medicine, Hershey, Pennsylvania.
The American journal of cardiology
|April 5, 2024
概括
使用卷积神经网络 (CNN) 和对比增强MRI的深度学习有效地区分了外周动脉疾病 (PAD) 患者与基于小牛肌肉 perfusion 模式的对照. 这种方法对PAD诊断和研究有希望.
科学领域:
- 医学成像医学成像
- 医学中的人工智能.
- 心血管研究的心血管研究.
背景情况:
- 周围动脉疾病 (PAD) 损害了下肢血液流动,并导致骨肌肉微血管变化.
- 准确区分PAD患者与对照人群对于有效管理至关重要.
研究的目的:
- 研究深度学习 (DL) 模型,特别是CNN在区分PAD患者与对照者的有效性.
- 在骨架小腿肌肉中利用CE-MRI输液模式进行PAD分类.
主要方法:
- 获得的CE-MRI输液数据来自56名患者 (36名PAD患者,20名对照) 后反应性高血.
- 分段骨架小腿肌肉和处理的3DCE-MRI perfusion扫描用于DL分析.
- 训练和评估多个CNN模型 (resNet,divNet) 用于PAD分类.
主要成果:
- 性能最好的CNN模型在区分PAD患者时达到75%的峰值准确度.
- 对resNet和divNet的特异性分别为80%和94%.
- DL模型证明了基于小腿肌肉输液的PAD分类能力.
结论:
- 深度学习模型,利用CNN和CE-MRI小腿肌肉 perfusion,可以成功地区分PAD患者和对照.
- DL方法为PAD的调查和诊断提供了潜在的新途径.
更多相关视频
08:22Combined Intravital Microscopy and Contrast-enhanced Ultrasonography of the Mouse Hindlimb to Study Insulin-induced Vasodilation and Muscle Perfusion
Published on: March 20, 2017
8.7K
08:16High-Resolution Three-Dimensional Imaging of the Footpad Vasculature in a Murine Hindlimb Gangrene Model
Published on: March 16, 2022
3.5K
