基于深度学习的结构细分和肌内脂肪注释在腰部磁共振成像上
Yefu Xu1, Shijie Zheng1, Qingyi Tian1
1Department of Spine Surgery, ZhongDa Hospital, School of Medicine Southeast University Nanjing China.
JOR spine
|September 18, 2024
概括
这项研究开发了一种自动化的双模型,用于在MRI扫描上分析腰椎间盘 (LDH). 该模型准确地细分副脊髓肌肉并识别脂肪透 (FI),优于传统的值方法.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 脊柱诊断 脊柱诊断 脊柱诊断 脊柱诊断
背景情况:
- 腰椎间盘 (LDH) 是腰部疼痛的一个常见原因.
- 在LDH患者中,通常会出现副脊髓肌肉缩和脂肪透 (FI),症状恶化.
- 磁共振成像 (MRI) 对于评估副脊柱肌肉状况至关重要.
研究的目的:
- 开发一种用于自动化肌肉细分和FI注释在腰椎MRI上的双模型.
- 帮助临床医生全面评估LDH状况和相关的肌肉变化.
主要方法:
- 追溯收集LDH患者数据 (2020年12月 - 2022年5月).
- 开发和验证肌肉细分和FI注释的双模型.
- 使用诸如子相似系数 (DSC),平均精度 (AP),回忆,F1得分,科恩卡帕和平均绝对百分比误差 (MAPE) 等指标进行性能评估.
- 将模型衍生FI测量与使用MAPE的值算法进行比较.
主要成果:
- 肌肉细分模型在内部测试组中实现了0.92的DSC和0.98的AP.
- 脂肪注释模型的回忆率达到91.30%和F1评分为0.82.
- 开发的模型在FI测量中显示了较低的MAPE,与跨脊肌的值算法相比.
结论:
- 开发的双模型在自动化肌肉细分和腰椎MRI上的FI注释方面表现出色.
- 与现有的值技术相比,该模型提供了一种更准确的方法来量化在副脊髓肌肉中的脂肪透.
- 这种工具可以帮助临床医生更好地评估与LDH相关的肌肉变化,并改善患者管理.


