基于形状引导的卷积神经网络的胸部动态MRI中肺组织和肺外游的交互细分
medRxiv : the preprint server for health sciences
|May 15, 2024
概括
这项研究引入了一种交互式深度学习系统,用于动态MRI中精确的肺部细分,改善胸部功能不充分综合征的评估. 该方法在细分肺组织和外出方面实现了高精度,有助于临床诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胸部外科手术 胸部外科手术
背景情况:
- 在动态MRI中精确的肺部细分对于评估诸如胸部缺陷综合征 (TIS) 等呼吸系统疾病至关重要.
- 现有的自动细分方法在图像变化和低对比度方面扎,阻碍了稳定性.
研究的目的:
- 开发一种交互式深度学习系统,用于胸部dMRI中精确的肺组织和肺外游细分.
- 提高TIS患者定量分析的准确性和效率.
主要方法:
- 利用两个独立的数据集 (正常和TIS儿科受试者) 进行模型培训和测试.
- 开发了一个互动性兴趣区域 (ROI) 战略,以提高培训速度和重点细分.
- 采用修改的2D U-Net架构,结合相邻的切片和肺形状特征进行细分.
主要成果:
- 在肺部细分方面获得高的平均子系数 (0.96±0.02对于正常人,0.89±0.05对于TIS受试者).
- 与手动细分相比,证明了统计学上无法区分的肺潮体积,通过变化系数 (CV) 验证.
结论:
- 拟议的深度学习系统在dMRI中提供了准确和高效的肺部细分.
- 这种方法对使用dMRI的TIS患者的常规临床评估具有重大潜力.
