加速MRI的深度学习重建:假阳性软骨分层插入MRI关节学在引下
Wolfram A Bosbach1, Kim Carolin Merdes, Bernd Jung
1Department of Diagnostic, Interventional and Pediatric Radiology (DIPR), Inselspital, Bern University Hospital, University of Bern, Switzerland.
Topics in magnetic resonance imaging : TMRI
|July 17, 2024
概括
在磁共振成像 (MRI) 中的深度学习重建可以加速扫描,但可能产生错误的阳性. 需要进行进一步的测试,以确保这些人工智能工具的精度和评估这些人工智能工具的潜在偏差.
科学领域:
- 放射性成像学成像学
- 医学中的人工智能.
- 磁共振成像 (MRI) 是一种磁共振成像.
背景情况:
- 放射性成像行业越来越多地采用人工智能 (AI) 软件解决方案.
- 深度学习重建技术有可能通过低样本加速MRI数据采集.
- 缩短MRI采集时间可以提高机器效用和运营成本效益.
研究的目的:
- 评估深度学习重建对MRI数据质量的影响.
- 通过人工智能驱动的图像重建来调查潜在的文物.
主要方法:
- 案例研究涉及右关节的磁共振关节学.
- 使用了一个30岁的男性患者,没有任何重大健康问题.
- 用深度学习重建低样本的MRI数据.
主要成果:
- 低样本MRI数据的深度学习重建可以引入错误的阳性结果.
- 具体来说,观察到错误的阳性软骨脱层和扩散的软骨缺陷.
结论:
- 基于人工智能的新型MRI重建技术的精度需要严格的验证.
- 系统性偏见,特别是来自培训数据选择,必须在未来的评估中进行彻底评估.
更多相关视频
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.2K
08:19Protocol for the Evaluation of MRI Artifacts Caused by Metal Implants to Assess the Suitability of Implants and the Vulnerability of Pulse Sequences
Published on: May 17, 2018
9.8K
