在多中心腹部MRI数据的放射性和深度特征上对ComBat协调的调查
Wei Jia1,2, Hailong Li1,3, Redha Ali1
1Imaging Research Center, Department of Radiology, Cincinnati Children's Hospital Medical Center, 3333 Burnet Avenue, MLC 7009, Cincinnati, OH, 45229, USA.
Journal of imaging informatics in medicine
|September 16, 2024
概括
在多中心腹部MRI数据中,ComBat协调有效地消除了非生物变异. 这种由人工智能驱动的技术确保了不同扫描仪和场强度的放射性和深度特征的一致性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 多中心研究产生数据与非生物变异.
- 医学成像中的人工智能 (AI) 需要协调数据.
- 慢性肝病研究从一致的腹部MRI数据中受益.
研究的目的:
- 评估ComBat协调在放射性和深度特征上的有效性.
- 评估ComBat能够删除不同MRI制造商和场强度的变异的能力.
- 在多中心腹部MRI研究中改善AI应用的数据一致性.
主要方法:
- 来自三个地点的T2加权腹部MRI数据的回顾性分析.
- 使用PyRadiomics和Swin变压器提取放射性和深度特征.
- 应用ComBat协调来解决不同制造商和现场优势的差异.
- 统计分析 (t-测试,ANOVA,科恩F) 以比较协调前和之后的特征.
主要成果:
- 在协调之前,在制造商和领域优势之间存在显著的特征差异.
- 康巴特协调消除了放射性和深度特征的显著差异.
- 降低科恩的F分数表明了成功的协调.
- 在大型腹部MRI数据集中,ComBat有效地消除了非生物变异.
结论:
- 在标准化放射性和深度特征方面,ComBat协调是有效的.
- 这种方法减轻了由不同的MRI系统和采集参数引起的变化.
- 在多中心腹部MRI研究中,ComBat提高了人工智能驱动分析的数据质量.
关键词:
人工智能的人工智能是人工智能.这就是为什么Combat ComBat.深度学习是一种深度学习.统一化 统一化 统一化磁共振成像技术 磁共振成像技术这是一项多中心研究.无线电学 (Radiomics) 是一种无线电学.更多相关视频
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
549
09:43Multimodal Study of Murine Cardiovascular Remodeling: Four-Dimensional Ultrasound and Mass Spectrometry Imaging
Published on: January 10, 2025
711
