从人工智能提取的计算机断层扫描中重建的横向脑膜测试的临床实用性的评估

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 面外科手术 面外科手术

背景情况:

• 二维 (2D) 横向头测量分析对于诊断和治疗面形变形至关重要.
• 面部计算机断层扫描 (CT) 是为此目的的常见成像方式.
• 图像质量和准确性对于可靠的诊断结果至关重要.

研究的目的:

• 为了评估AI重建的2D横向头脑测量图像的准确性和可靠性,这些图像来自面部CT数据.
• 为了比较人工智能重建图像的诊断准确性与标准格式化的CT图像.
• 评估AI在减少重复或额外成像程序的需求方面的潜力.

主要方法:

• 使用了来自40名患者的面部CT数据集.
• 原始的1毫米切片被重新格式化为3毫米,然后由人工智能算法处理,以重建1毫米横向脑电图像.
• 三名观察员手动和自动追踪了面的地标.
• 标志性差异被量化并比较原始,重新格式化和人工智能重建的图像.
• 观察者间和观察者内可靠性使用克伦巴赫的alpha进行了评估.

主要成果:

• 与3毫米重新格式化的图像相比,人工智能重建的1毫米CT图像显示的基准差异明显较少 (p < 0.05).
• 像塞拉,巴西昂,纳西昂,轨道和波戈尼昂这样的关键地标显示,人工智能重建的准确性有所提高.
• 3毫米的重新格式化的图像在部和部表现出最大的差异.
• 观察者间和观察者内部的高可靠性 (Cronbach的α>0.7) 被观察到用于里程碑识别.

结论:

• 人工智能重建的2D横向脑电图像为面分析提供了卓越的准确性和可靠性.
• 这些发现支持人工智能产生的图像在诊断面形和计划手术治疗的临床应用.
• 人工智能驱动的图像重建可以优化诊断工作流程,并通过减少对额外成像的需求来最大限度地减少辐射暴露.