通过3D UX-Net增强状交叉体细分及其与多发性硬化症疾病进展的关联
Xiaohua Wang1, Xiaolong Wang2, Zichun Yan3
1College of Medical Informatics, Chongqing Medical University, Chongqing, 400016, China; Department of Radiology, The First Affiliated Hospital of Chongqing Medical University, Chongqing, 400016, China.
Multiple sclerosis and related disorders
|July 10, 2024
概括
一个新的深度学习模型,3D UX-Net,在多发性硬化症 (MS) 患者中准确地细分胆膜 (CP). 这种自动化方法显示出临床相关性,使得CP体积能够监测疾病进展和治疗反应.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 冠状动脉 (CP) 与多发性硬化症 (MS) 神经炎症有关.
- 准确的CP体积评估对于了解其在MS中的作用至关重要.
- 深度学习 (DL) 为快速和可重复的CP细分提供了潜力.
研究的目的:
- 开发一个可靠的DL模型用于自动CP细分.
- 在MS中验证基于DL的CP体积评估的临床意义.
主要方法:
- 训练并验证了216名多发性硬化患者和75名健康对照的T1加权MRI上的3D UX-Net模型.
- 使用内部 (n=53) 和外部 (n=58) 多中心数据集进行测试.
- 使用Dice系数和与临床结果相关联的CP体积 (EDSS,SDMT) 评估细分性能.
主要成果:
- 3D UX-Net实现了高的子系数 (0.875±0.030和0.870±0.044),表现优于3D U-Net.
- 自动CP体积与临床结果 (EDSS,SDMT) 相对应,类似于手动细分.
- 从基线到随访观察到的正常化CP体积 (nCPV) 增加,与残疾恶化相关,并与使用DMT减少.
结论:
- 3D UX-Net为MS临床实践提供了强大的CP细分.
- 自动化CP体积是MS进展和治疗监测的有价值的成像生物标志物.
