探索深度学习策略,用于在兽医MRI上检测椎间盘
Shoujin Huang1, Guoxiong Deng1, Yan Kang1
1Shenzhen Technology University, Shenzhen, China.
Scientific reports
|July 19, 2024
概括
这项研究使用人工智能在MRI扫描中自动检测狗椎间盘 (IVDH). 双阶段模型的性能优于单阶段探测器,在IVDH定位方面平均精度达到75.32%.
科学领域:
- 兽医辐射学 兽医辐射学
- 在兽医中使用人工智能
- 医学图像分析 医学图像分析
背景情况:
- 椎间盘 (IVDH) 是狗中普遍存在的脊椎疾病,影响其健康和运动.
- 准确及时诊断IVDH对于有效治疗和改善患者的治疗结果至关重要.
- 目前对IVDH的诊断方法可能是劳动密集型的,需要专门的专业知识.
研究的目的:
- 开发和评估人工智能 (AI) 模型,用于在狗MRI扫描中自动检测和定位IVDH病变.
- 将传统的两阶段物体检测模型与IVDH识别的一阶段模型的性能进行比较.
- 引入和评估一种新的脊柱定位模块,以提高IVDH检测的准确性.
主要方法:
- 来自213只狗的T2加权的斜腰MRI图像的数据集被策划用于训练和测试AI模型.
- 实施和评估了包括You Only Look Once X (YOLOX) 在内的各种物体检测模型.
- 开发了一种新的脊柱定位模块,并集成到现有的检测框架中.
- 研究了转移学习技术,以适应犬类IVDH模型用于猫类成像.
主要成果:
- 与IVDH检测的单阶段模型相比,传统的两阶段检测模型显示出更高的性能.
- 新型脊柱定位模块的整合改善了IVDH检测,达到高达75.32%的平均精度 (AP).
- 该研究确定了在兽医放射学中推进人工智能的关键挑战和潜在战略.
结论:
- 在狗MRI扫描中使用人工智能驱动的IVDH的自动检测和定位是可行的和有希望的.
- 带有脊柱定位模块的两阶段物体检测模型为兽医脊柱成像提供了高准确度.
- 需要进一步的研究和开发来完善用于兽医诊断成像的AI工具.
