自动外围神经细分用于MR神经图谱
Nedim Christoph Beste1, Johann Jende2, Moritz Kronlage2
1Institute of Neuroradiology, University Hospital of Heidelberg, Heidelberg, Germany. nedim25@me.com.
European radiology experimental
|August 26, 2024
概括
这项研究开发了一种深度学习模型,用于磁共振神经图 (MRN) 中的自动神经细分,提高了对外围神经病变的诊断效率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经科学是一个神经科学.
背景情况:
- 磁共振神经学 (MRN) 是诊断外围神经病变的关键工具.
- 定量MRN分析需要神经细分,这目前是手动的,耗时的,容易出现错误.
- 需要自动化细分方法来将定量测量纳入常规临床实践.
研究的目的:
- 开发和评估基于深度学习的神经网络,用于MRN中外围神经的自动细分.
- 使用定量指标评估自动化细分模型的性能.
主要方法:
- 通过5倍交叉验证,训练了一个神经网络在35名健康个体 (70个训练示例) 的MRN扫描上对坐骨神经及其分支进行细分.
- 模型的性能在60名健康个体的MRN扫描独立测试组上进行了评估.
主要成果:
- 在交叉验证过程中,该模型获得了0.892的平均子相似系数 (DSC) 和0.806的雅卡德指数 (JI).
- 在独立测试组中,该模型的平均DSC值为0.789和平均JI值为0.672.
- 平均豪斯多夫距离 (HD) 在交叉验证中为2.146,在测试组中为2.118.
结论:
- 深度学习模型在MRN的自动外围神经细分方面显示出有希望的性能.
- 这些发现为开发用于临床使用的自动化定量MRN分析框架提供了基线.
- 未来的工作将扩大培训数据,并包括神经病变患者,以提高疾病的特征.
