人工智能金属工件校正算法的实验和临床验证,用于通过皮肤进行脊椎造形术的低剂量后续CT
Dan Zhu1, Zhengjia Zhang1, Yixuan Zou2
1Department of Radiology, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Quantitative imaging in medicine and surgery
|September 16, 2024
概括
人工智能 (AI) 的金属工件校正 (MAC) 算法有效地减少皮肤椎造形术 (PVP) 后低剂量计算机断层扫描 (CT) 中的工件. 与传统方法相比,这种AI-MAC在诊断肉症方面表现优越.
科学领域:
- 医学成像医学成像
- 放射学中的人工智能
- 放射学工件减少 放射学工件减少
背景情况:
- 皮肤穿刺脊椎造形术 (PVP) 后的低剂量计算机断层扫描 (CT) 受到来自骨的金属工件的挑战.
- 传统的CT金属工件减少 (MAC) 技术往往不足以用于PVP成像.
- 人工智能 (AI) 提供了一种潜在的解决方案,用于改进文物校正.
研究的目的:
- 验证基于人工智能的金属工件校正 (AI-MAC) 算法,用于PVP后的低剂量CT.
- 为了比较AI-MAC与传统MAC在减少文物方面的有效性.
- 评估AI-MAC在诊断PVP后患者的肉症中的性能.
主要方法:
- 使用模拟PVP的绵羊脊椎幻影进行实验验验证.
- 获得低剂量CT扫描在水泥插入前后.
- 使用常规MAC和AI-MAC进行处理,然后进行定量图像质量评估 (CT减弱,噪声,SNR,CNR).
- 在10名PVP后患者的临床验证中,使用接收器操作特征 (ROC) 分析来评估肉症诊断.
主要成果:
- 与参考图像相比,AI-MAC在CT衰减,图像噪声,SNR或CNR方面没有显著差异.
- 人工智能-MAC导致显著更完整的副脊髓肌肉细分 (18.6%和8.3%的改善比未经纠正和传统的MAC图像).
- 与未经纠正的图像 (0.61) 和传统的MAC图像 (0.70) 相比,AI-MAC在 Sarcopenia诊断的ROC分析中实现了更高的曲线下面面积 (AUC) (0.92).
结论:
- 在PVP之后的低剂量CT中,AI-MAC算法已被验证为优异的工件抑制.
- 在提高图像质量方面,AI-MAC被证明是传统MAC的可靠替代品.
- 经过验证的AI-MAC算法显示,它是一个有前途的工具,可以在PVP的背景下诊断肉症.
