用nnUNet放射学在MRI中改善脊髓骨转移的局部化和细分
Yong Xu1, Chengjie Meng2, Dan Chen1
1Department of Neurosurgery, Hefei Third Clinical College of Anhui Medical University, The Third People's Hospital of Hefei 230000, China.
Journal of bone oncology
|September 16, 2024
概括
在MRI扫描中,nnUNet放射学模型准确地对脊柱骨转移进行细分,改善了主观医生的划分. 这种自动化方法显示了与手工测量的高度一致性和相关性.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 在脊髓骨转移的MRI扫描上手动瘤划分的主观变异性影响治疗计划.
- 准确的细分对于评估脊髓转移的疾病负担和治疗反应至关重要.
研究的目的:
- 评估nnUNet放射学模型在MRI中自动细分和识别脊髓骨转移的有效性.
- 为了比较自动细分与手动医生划分的性能.
主要方法:
- 一组118名脊髓骨转移的患者被追溯分析.
- nnUNet的放射学细分模型经过训练,并与医生绘制的瘤边界进行了验证.
- 用Dice系数和相关性分析来评估细分业绩.
主要成果:
- nnUNet模型实现了高的子系数 (0.926训练,0.824测试),证明了有效的本地化和细分,包括小病变.
- 在不同脊柱区域 (腰部:0.838,胸部:0.785) 中,细分性能强.
- 在nnUNet和医生细分之间发现了强烈的线性相关性 (R2=0.998,P<0.001).
结论:
- nnUNet放射学模型在MRI上对脊髓骨转移的自动定位和细分有效.
- 自动化细分为手工划分提供了一种一致而准确的替代方案,有可能改善临床工作流程.
更多相关视频
12:23Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound
Published on: August 14, 2012
14.2K
06:44Modeling Brain Metastases Through Intracranial Injection and Magnetic Resonance Imaging
Published on: June 7, 2020
7.3K
