在MRI上对骨髓病变进行自动细分,使用深度学习方法

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 骨关节炎研究 骨关节炎研究

背景情况:

• 骨髓损伤 (BML) 量是膝关节骨关节炎 (KOA) 的关键生物标志物,与软骨损伤和疼痛有关.
• 由于BML的小尺寸,低对比度和多样化的位置,手动对其进行细分是具有挑战性的,这使得它耗时且困难.
• 准确有效量化BML对于监测KOA进展至关重要.

研究的目的:

• 开发和验证一种完全自动的方法,使用磁共振成像来对膝关节骨关节炎 (KOA) 中的骨髓病变 (BMLs) 进行细分.
• 通过比较其BML体积测量与手工推导的地面真相来评估自动化方法的性能.
• 评估自动化方法作为一种工具的潜力,以促进KOA评估和跟踪疾病进展.

主要方法:

• 开发了一种全自动细分模型,使用中间加权脂肪抑制 (IWFS) MR 图像作为输入.
• 该模型在300名受试者的数据集上进行了训练和验证,分别分为70%/15%/15%的训练,验证和测试.
• 细分精度的评估是使用2D Dice相似系数 (DSC) 进行切片级面积和3D DSC进行主题级体积,以及Pearson对体积测量协议的相关系数.

主要成果:

• 自动细分方法在测试组上实现了自动测量和手动测量的BML体积之间高的0.98的Pearson相关系数.
• 该方法产生了0.68的2D DSC和0.60的3D DSC,表明细分精度中适度的协议.
• 尽管DSC得分适度,但体积测量的强相关性凸显了该方法对定量BML评估的有用性.

结论:

• 拟议的全自动细分方法显示了精确测量膝关节骨关节炎 (KOA) 骨髓损伤 (BML) 容量的强大潜力.
• 自动和手动体积测量之间的高度相关性表明,该方法可以作为评估KOA进展的有效工具.
• 这种自动化方法可以显著减少BML量化所需的时间和精力,从而促进KOA的临床评估和研究.