深度学习方法用于使用磁共振成像来诊断坟墓的眼科医症
Zi-Chang Ma1, Jun-Yu Lin1, Shao-Kang Li2
1Department of Radiology, The Fifth Affiliated Hospital, Sun Yat-Sen University, Zhuhai, China.
Quantitative imaging in medicine and surgery
|July 18, 2024
概括
深度学习模型使用MRI扫描准确诊断Graves眼病 (GO),性能优于传统方法. 这一进步有望提高GO患者的诊断准确度和早期检测.
科学领域:
- 眼科医生 眼科 眼科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 使用医学成像测量的Graves眼病 (GO) 传统诊断是不理想的.
- 磁共振成像 (MRI) 提供了改善GO诊断的潜力.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于使用MRI诊断GO.
- 将DL模型的性能与传统放射科医生评估进行比较.
主要方法:
- 对199名GO患者和145名对照者的MRI扫描进行了回顾性分析.
- 基于眼外肌肉区域的后勤回归模型的开发.
- 使用T1加权MRI实现ResNet101和Swin变压器DL模型.
- 将DL模型性能与放射科医生的诊断进行比较.
主要成果:
- DL模型 (ResNet101,Swin变压器) 实现了高诊断性能,曲线下的面积 (AUC) 值分别为0.986和0.936.
- 与后勤回归模型和放射科医生相比,ResNet101的性能优越 (AUC为0.986与0.905和0.818对比).
- ResNet101获得了高精度 (0.933),灵敏度 (0.979) 和特异性 (0.869).
结论:
- 使用MRI T1加权扫描的深度学习模型可以准确地诊断Graves的眼科医症.
- 应用于MRI的DL系统有可能提高放射科医生在GO诊断中的表现.
- 这些人工智能驱动的方法可能有助于更早地检测GO.
