纹理分析和人工智能作为多发性硬化症诊断中的决策支持工具 - - 一项系统性审查
Filip Orzan1, Ştefania D Iancu1, Laura Dioşan2
1Department of Biomedical Physics, Faculty of Physics, Babeş-Bolyai University, Cluj-Napoca, Romania.
Frontiers in neuroscience
|February 5, 2025
概括
人工智能 (AI) 和放射学在多发性硬化症 (MS) 中分析磁共振成像 (MRI) 方面表现有前途. 然而,人工智能驱动的病变细分和监测需要标准化方法和临床验证.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 放射学和计算机病理学
背景情况:
- 磁共振成像 (MRI) 对于多发性硬化症 (MS) 的诊断和监测至关重要,通常需要侵入性腰部穿刺来确认.
- 人工智能 (AI) 和放射学正在成为增强医学图像分析,诊断和MS治疗计划的强大工具.
- 目前的研究正在探索人工智能模型,用于在MRI扫描中对MS病变进行细分和分类.
研究的目的:
- 审查和分析当前关于AI模型和MS病变细分和MRI分类的纹理分析的文献.
- 在MS研究中识别常用的AI模型 (例如,U-Net,SVM,Random Forest,KNN) 和它们的评估指标.
- 为MS病变分析和监测提供人工智能和放射学方面的进展提供全面概述.
主要方法:
- 进行了对现有文献的系统审查.
- 分析重点是AI模型和应用于MS病变细分和MRI分类的纹理分析技术.
- 确定了常用的人工智能模型及其性能评估指标.
主要成果:
- 在MS病变分析中,人工智能的研究环境是分散的,具有不同的模型架构和性能结果.
- 常见的评估指标包括准确性,子得分和敏感性,一些模型显示多中心数据集的稳定性.
- 研究的重大局限性在于,在现实世界的临床环境中缺乏验证.
结论:
- 对MS病变细分的最佳AI模型缺乏共识,强调需要标准化的方法.
- 临床试验对于验证人工智能驱动的MS管理决策支持工具在现实世界中的适用性至关重要.
- 本综述强调了人工智能和放射学在改善通过MRI分析和监测MS病变方面的不断变化的作用.
