自动细分的dura量化分析的腰椎狭窄症:一个深度学习研究与518CT骨髓图
Guoxin Fan1,2, Yufeng Li3, Dongdong Wang4
1Department of Pain Medicine, Huazhong University of Science and Technology Union Shenzhen Hospital, Shenzhen, China.
Journal of applied clinical medical physics
|May 10, 2024
概括
一个新的深度学习工具在计算机断层扫描髓图 (CTM) 上准确地细分长膜囊,用于腰椎狭窄症 (LSS) 诊断. 这种自动细分有助于量化持续横截面积,改善LSS差异诊断.
科学领域:
- 医学成像分析分析 医学成像分析
- 放射学中的人工智能
- 脊柱诊断 脊柱诊断 脊柱诊断 脊柱诊断 脊柱诊断
背景情况:
- 腰椎脊柱狭窄症 (LSS) 的诊断是具有挑战性的,因为非特异性的根部疼痛.
- 准确的腰部硬膜细分和定量分析对于LSS差异诊断至关重要.
- 目前的方法缺乏自动化工具,以精确测量X射线图像上的持续囊.
研究的目的:
- 开发一个用于放射定量化的自动硬度轮工具.
- 为了提高腰部硬膜细分在计算机断层扫描骨髓图 (CTM) 图像上的准确性.
- 通过定量持续分析,促进LSS的差异诊断.
主要方法:
- 使用了一个深度学习 (DL) 3D U-Net 分段算法.
- 该工具在210个CTM案例中进行了培训和验证,并在308个未标记的案例中进行了测试.
- 用Dice分数 (DCS) 评估了细分性能,并与专家修订进行了持续横截面积 (CSA) 的比较.
主要成果:
- 3D U-Net 在验证数据集中实现了高平均DCS (0.905-0.933).
- 细分精度与人类专家的表现相当.
- 该工具仅在59.0%的案例中需要修订,在修订过的面具中存在强烈的相关性 (r=0.805) 并没有显著的CSA差异 (p=0.652).
结论:
- 为CTM成功开发了一种准确且可通用的自动化硬度轮工具.
- 该工具在LSS诊断中具有很高的临床应用潜力.
- 自动持续CSA量化为LSS患者提供了更好的诊断准确性.
