在全身MRI中,用于强大的骨髓细分的先进自动化模型
Fabian Bauer1, Jessica Kächele2, Juliane Bernhard3
1Division of Radiology, German Cancer Research Center (DKFZ), 69120 Heidelberg, Germany (F.B., M.G., H.P.S., S.D.); Division of Musculoskeletal Imaging and Intervention, Massachusetts General Hospital and Harvard Medical School, Boston, MA 02114 (F.B.).
Academic radiology
|January 23, 2025
概括
在单克隆血细胞疾病 (MPCD) 中,用于全身MRI的先进的自动化骨髓细分模型显示出可靠的性能. 这种人工智能模型准确地分割骨髓空间,即使在多个中心有严重的病理.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 单克隆血细胞疾病 (MPCD) 需要准确评估骨髓参与.
- 全身MRI (WB-MRI) 是MPCD的一个关键成像方式.
- 骨髓空间的自动细分 (BMS) 可以提高效率和一致性.
研究的目的:
- 开发一个先进的自动化BMS细分模型,使用nnU-Net在MPCD中用于WB-MRI.
- 在多中心数据集上验证模型的性能,这些数据集具有多种病理.
- 将高级模型与先前建立的基本细分模型进行比较.
主要方法:
- 利用8个中心的207名MPCD患者的210个WB-MRIs队列.
- 在186个T1加权的WB-MRIs上训练了一种nnU-Net算法.
- 在独立数据集上测试模型,包括具有广泛瘤负载和不同图像质量的病例.
主要成果:
- 获得了BMS细分的高平均子分数:0.89±0.13 (测试组I) 和0.88±0.11 (测试组II).
- 与之前的基本模型相比,表现显著改善 (p<0.05).
- 精确细分的骨髓受病理,文物和低成像质量的影响.
结论:
- 先进的自动化模型在多中心WB-MRI数据上提供了BMS的可靠细分.
- 该模型即使存在严重的骨髓瘤相关病理和成像异质性,也很强大.
- 这项技术有望改善MPCD管理中的定量分析.


