在多发性硬化症中,通过使用半监督深度学习的多参数脑MRI检测扩散异常白质

科学领域:

• 神经成像是一种神经成像.
• 人工智能在医学中的应用
• 医学图像分析 医学图像分析

背景情况:

• 在多发性硬化症 (MS) 患者的大脑MRI上的分散异常白质 (DAWM) 由于缺乏自动化评估,未得到充分研究.
• 监督深度学习 (DL) 方法需要大量的标记数据,这对DAWM分析构成了挑战.

研究的目的:

• 开发和验证一个基于DL的网络 (DAWM-Net) 用于DAWM,焦点病变和看起来正常的大脑组织的自动细分.
• 与传统的强度值方法相比,评估DAWM-Net的性能.

主要方法:

• 一个DL网络 (DAWM-Net) 在有限的标记多参数MRI数据上使用半监督学习进行训练.
• DAWM-Net 分段的DAWM,焦点病变和看起来正常的脑组织.
• 对分段的性能进行了评估,根据专家的共识,在一个独立的测试集 (N=25) 上使用子相似系数 (DSC) 和体积相关性.

主要成果:

• DAWM-Net在正常的脑组织中实现了高DSC (>0.93),在焦点病变中实现了 (>0.81).
• 与以前的方法 (DSC=0.26 ± 0.08,没有显著的相关性) 相比,DAWM-Net显示了改善的DAWM细分 (DSC=0.49 ± 0.12) 与中等体积相关性 (ρ=0.52,p<0.01).

结论:

• 通过半监督式学习进行深度学习,可用于MS中自动化DAWM细分.
• DAWM-Net是一个有希望的工具,可以促进未来对DAWM在多发性硬化症进展和病理学中的作用的研究.