探索大脑小血管疾病和深髓静脉与自动细分的深髓静脉之间的关系的新视角
1Department of Radiology, Huashan Hospital, State Key Laboratory of Medical Neurobiology, Fudan University, 12 Wulumuqi Middle Road, Shanghai 200040, China.
Clinical radiology
|April 26, 2024
概括
一个智能算法准确地计算深髓静脉 (DMV),揭示它们与大脑小血管疾病 (CSVD) 标志物的负相关性. 这种新方法为CSVD患者的随访提供了客观数据,并建议DMV作为潜在的成像标记物.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 大脑小血管疾病 (CSVD) 是中风和认知衰退的重要原因.
- 深髓静脉 (DMVs) 越来越多地被认为可能与CSVD有关.
- 准确量化DMVs是手动方法具有挑战性的.
研究的目的:
- 开发和验证用于计数深髓静脉 (DMVs) 的智能细分算法.
- 分析DMV数量与已确定的CSVD成像标记物之间的关系.
主要方法:
- 开发了一个智能分段算法来计算磁共振成像 (MRI) 扫描中的DMV.
- 算法的准确性与手动计数使用Dice和类内相关系数进行了验证.
- 多变量线性回归分析了智能计数DMV和CSVD成像标记物之间的相关性 (白质超强度,缺口等). ) 的情况.
主要成果:
- 智能分段算法与手动计数表现出很高的一致性 (r = 0.761,P<0.001).
- 在DMV和CSVD成像标记数量和总负担 (P<0.001) 之间发现了显著的负相关性.
- 在调整年龄和高血压 (P<0.05) 之后,这种相关性仍然存在.
结论:
- 智能分段算法为CSVD患者的DMV提供客观和定量数据.
- DMVs在CSVD病变发生过程中发挥作用.
- DMVs代表了CSVD的潜在的新型成像生物标志物.
