磁共振成像放射性特征大脑转移中的稳定性:图像预处理的影响,图像和特征级协调
Zahra Khodabakhshi1, Hubert Gabrys1, Philipp Wallimann1
1Department of Radiation Oncology, University Hospital Zurich, University of Zurich, Zurich, Switzerland.
Physics and imaging in radiation oncology
|May 27, 2024
概括
优化大脑MRI辐射学涉及到特定的预处理. 使用N-Peaks正常化与固定的 bin 尺寸分离增强功能稳定性和大脑转移的预测模型性能.
科学领域:
- 无线电学 (Radiomics) 是一种辐射学.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 磁共振成像 (MRI) 采集参数极大地影响放射性特征稳定性和模型通用性.
- 使用放射学进行的大脑转移 (BM) 研究需要强大的方法来确保可靠的分析.
研究的目的:
- 评估图像预处理和协调技术对脑MRI放射性特征稳定性的影响.
- 评估放射性模型的预测性能,使用BMs患者的稳定特征.
主要方法:
- 来自BM患者的两个T1加权对比增强型MRI数据集被用于特征稳定性和分类任务.
- 研究了灰色级别离散 (GLD),强度正常化 (Z-score,Nyul,WhiteStripe,N-Peaks) 和ComBat协调的研究影响.
- 具有类内相关系数>0.8的特征被认为是稳定的.
主要成果:
- 固定垃圾箱号 (FBN) GLD产生了比固定垃圾箱大小 (FBS) GLD更稳定的特征.
- 特征域协调改善了正常化和非正常化图像的稳定性 (Z分数,白条纹).
- 通过N-Peaks规范化,FBS离散化和稳定的功能实现了最佳的分类性能.
结论:
- 强度正常化使用参考组织 (例如,N-Peaks) 建议强大的MRI放射性模型.
- 随后应用固定的垃圾箱大小 (FBS) 离散进一步增强了模型开发.
