基于深度学习的端到端扫描类型的临床神经瘤学研究的分类,预处理和细分
Satrajit Chakrabarty1, Syed Amaan Abidi2, Mina Mousa2
1Department of Electrical and Systems Engineering, Washington University in St. Louis, St. Louis, MO 63130, USA.
Proceedings of SPIE--the International Society for Optical Engineering
|September 12, 2024
概括
本研究引入了一个人工智能框架,用于自动处理神经瘤MRI数据,将原始扫描转化为定量瘤测量,以改善临床和研究工作流程.
科学领域:
- 人工智能的人工智能
- 神经瘤学神经瘤学
- 医疗成像医学成像
背景情况:
- 神经瘤学研究依赖于高维的MRI数据,由于各种采集协议,这些数据通常是异质的.
- 手动数据策划和预处理是耗时和分散的,阻碍了算法应用.
- 现有的自动化工作是不完整的,或者需要大量的手动输入.
研究的目的:
- 开发一个端到端的AI框架,用于自动处理神经瘤学MRI数据.
- 为了将原始的多模态MRI数字成像和医学通信 (DICOM) 数据转化为定量瘤测量.
- 简化临床工作流程,加快研究数据的处理.
主要方法:
- 开发了一个AI框架来分类MRI序列类型和预处理数据.
- 卷积神经网络被用于瘤组织亚型细分.
- 一种专家在循环中的方法允许放射科医生手动改进细分结果.
主要成果:
- 扫描类型分类器实现了99.71%的准确性.
- 细分模型在整个瘤细分上获得了0.894的平均子相似系数.
- 该框架在回顾性质瘤数据集 (n=155) 上得到验证.
结论:
- 拟议的人工智能框架自动化瘤细分和特征从神经瘤MRI数据.
- 这种自动化简化了临床工作流程,并规范了大规模的研究数据策划.
- 该系统将人工智能驱动的细分与专家放射科医生的精细化集成在一起,以获得可靠的结果.
关键词:
迪科姆公司 (DICOM)这就是为什么MRI是MRI.数据策划数据的策划.深度学习是一种深度学习.质瘤 质瘤 是一种自然语言处理自然语言处理.神经瘤学神经瘤学预处理 预处理扫描类型分类 扫描类型分类细分化 细分化的细分化更多相关视频
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.2K
09:33Automated Slide Scanning and Segmentation in Fluorescently-labeled Tissues Using a Widefield High-content Analysis System
Published on: May 3, 2018
8.1K
