基于人工智能的分段软件在MRI-负焦的侧面化价值
Kyung-Il Park1,2, Hyoshin Son3, Sungeun Hwang4
1Department of Neurology, Seoul National University College of Medicine, Seoul, Korea.
Journal of epilepsy research
|December 25, 2024
概括
人工智能工具可以通过测量皮层厚度来帮助横向非损伤前叶 (FLE). 这种人工智能方法对于在患有较长疾病持续时间的患者中识别的横向性尤为有用.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 的研究研究.
背景情况:
- 通过磁共振成像 (MRI) 精确检测病的病变对于诊断和手术规划至关重要.
- 最初针对痴呆症开发的自动化人工智能 (AI) 工具可以测量皮质厚度和大脑体积.
研究的目的:
- 确定基于AI的皮质厚度和大脑体积测量是否可以在出现正常的MRI患者中侧向.
- 调查人工智能在识别非损伤病例中的横向性的实用性.
主要方法:
- 来自428名患有焦点 (非损伤性) 患者的3特斯拉MRI分析.
- 利用人工智能细分/体积测量软件来测量皮质厚度和海马体积.
- 计算了横向性指数 (LI),以评估半球之间的差异.
主要成果:
- 额叶 (FLE) 在左侧和右侧之间显示了额叶皮层厚度LI的显著差异 (p=0.01).
- 在FLE中具有可识别的横向化患者的持续时间较长 (12.7年) 与无法识别的病例相比 (8.3年;p=0.03).
- 面向的中前皮质是区分FLE横向性的关键区域;其他类型的 (TLE,PLE,OLE) 没有显著的横向差异.
结论:
- 基于人工智能的大脑细分软件有助于确定非损伤前叶的横向性.
- 人工智能在横向化中的有效性在疾病持续时间较长的情况下更为明显.
