临床试验中的自动软骨量化 - - 从2019年IWOAI膝关节细分挑战中继续
Erik B Dam1, Arjun D Desai2, Cem M Deniz3
1University of Copenhagen, Copenhagen, Denmark.
Osteoarthritis imaging
|July 22, 2024
概括
深度学习 (DL) 分段方法在临床试验中对量化膝关节软骨损失有希望. 虽然对于骨是有效的,但对于大腿需要进一步精细化,以匹配手动准确度.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 骨关节炎的研究研究.
背景情况:
- 准确量化膝关节软骨损失对于骨关节炎的纵向临床试验至关重要.
- 深度学习 (DL) 分段方法为膝盖MRI的自动化分析提供了潜力.
- 评估DL方法的性能与既定手工技术的性能是必不可少的.
研究的目的:
- 从IWOAI 2019挑战中评估DL细分方法的适用性,以量化临床试验中的软骨损失.
- 将DL方法的灵敏度与使用标准化响应平均值 (SRM) 的手动软骨体积评分进行比较.
主要方法:
- 利用来自骨关节炎倡议的556名受试者进行了基线和1年的膝盖MRI扫描.
- 六个DL团队使用他们的方法对1130个匿名膝盖MRI进行了细分.
- 提取了小腿骨和大腿骨,计算SRM以测量软骨损失的灵敏度.
主要成果:
- 几种DL方法实现了SRM,与黄金标准手工方法对骨区的SRM可比.
- 侧侧骨区的最高DLSRM为0.38,与黄金标准 (0.34) 非常接近.
- 黄金标准手工方法显示,对于大腿,SRM (0.31/0.30) 比DL方法 (0.2) 高.
结论:
- 最先进的DL细分方法显示出在标准化,纵向,单扫描仪临床试验中使用的潜力.
- 腿部部位的DL方法的性能可能受到后处理子部位提取技术的限制.
- 进一步优化DL算法和处理步骤是强大的软骨损失量化有必要的.
