LST-AI:一个深度学习组合,用于准确的MS病变细分

科学领域:

• 医学成像和放射学医学成像和放射学
• 人工智能在医学中的应用
• 神经科学和神经病学 神经科学和神经病学

背景情况:

• 对白质病变 (WM) 的准确细分对于多发性硬化症 (MS) 临床评估和研究至关重要.
• 现有的基于人工智能的病变细分工具往往是专有的,难以实施.
• 以前开发的LST工具需要一个先进的,开源的继任者.

研究的目的:

• 引入LST-AI,这是基于LST工具的开源,深度学习的扩展,用于在MS中自动化大脑白质病变细分.
• 通过解决数据不平衡和病变异质性来改进现有的病变细分方法.
• 为研究人员和临床医生提供一个用户友好的,可适应的工具.

主要方法:

• 使用三个3DU网组合开发了LST-AI,在491个内部MS MRI数据集 (T1加权和FLAIR) 上进行了训练.
• 采用复合损失函数 (二进制交叉和特维斯基损失) 来增强异质性多发性硬化病变的细分.
• 整合了基于2017年麦当劳标准的损伤位置注释工具,并包括皮层下标签.

主要成果:

• LST-AI实现了卓越的性能,Dice和F1得分超过0.62,超过了LST,SAMSEG和nnUNet (所有<0.56).
• 在MSSEG-1挑战数据集 (Dice:0.65,F1:0.63) 上表现出异常的表现,超过了所有竞争模型.
• 在10毫米3到100毫米3之间的病变中,病变检测率达到了75%以上,检测率随病变体积增加而增加.

结论:

• 对于MS来说,LST-AI代表了白质病变的自动化细分方面的重大进步.
• 开源可用性和卓越的性能使得LST-AI成为LST和其他现有工具的推替代品.
• LST-AI为MS研究和临床实践在多个平台上促进了更广泛的采用和多样化的应用.