基于VB-Net技术和放射学的应用研究,用于诊断经典的三角神经疼痛
Lei Pan1, Xuechun Wang2, Xiuhong Ge1
1Department of Radiology, Affiliated Hangzhou First People's Hospital, School of Medicine, Westlake University, Hangzhou, 310000, Zhejiang, China.
BMC medical imaging
|September 16, 2024
概括
这项研究使用深度学习和放射学来通过分析三角神经图像来区分三角神经疼痛 (TN) 患者与健康个体. 这些模型的准确性很高,这表明放射学是TN的客观诊断工具.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 无线电学 (Radiomics) 是一种无线电学.
背景情况:
- 三神经疼痛 (TN) 的诊断可能具有挑战性.
- 为了准确的TN评估,需要客观的生物标志物.
- 深度学习和放射学提供了潜在的解决方案.
研究的目的:
- 使用VB-Net进行三神经细分.
- 采用放射学来区分TN患者和健康对照.
- 为了评估放射学模型的诊断性能.
主要方法:
- 对于三角神经细分的VB-Net深度学习模型.
- 放射学特点是提取,缩小维度和选择.
- 机器学习模型 (GBDT,GP,RF) 的开发和评估.
主要成果:
- VB-Net实现了可接受的三神经细分 (mDCS 0.74).
- 确定了12个具有高重量的放射性特征.
- 模型显示高诊断性能 (AUC 0.86-0.90) 区分TN患者.
结论:
- 放射学作为TN临床诊断的客观方法.
- 放射学可以可靠地表明TN患者的神经生物学变化.
- 这种方法有助于评估三神经TN的变化.
