基于对比度增强的MRI的深度学习放射学模型,用于区分结核性脊髓炎和热性脊髓炎
Xiaonan Yang1, Na Tian2, Yuzhu Zhang3
1Department of Radiology, The Affiliated Hospital of Qingdao University, Qingdao, Shandong, 266000, China.
概括
一种深度学习放射学名图 (DLRN) 能够有效地区分结核性脊髓炎 (TS) 和发热性脊髓炎 (PS),使用MRI. 这种人工智能驱动的方法显示出高准确性,有助于脊髓感染的临床诊断.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 放射学 放射学是一门学科.
背景情况:
- 区分结核性脊髓炎 (TS) 和发热性脊髓炎 (PS) 对于有效治疗至关重要.
- 增强对比度的MRI (CE-MRI) 是脊髓感染的关键成像方式.
研究的目的:
- 开发和验证一个深度学习放射学名图 (DLRN) 用于使用CE-MRI区分TS和PS.
- 评估DLRN模型的诊断性能.
主要方法:
- 追溯研究包括来自两个中心的147名病理确诊TS或PS患者.
- 从CE-MRI中提取和融合放射学和深度学习 (DL) 功能.
- 开发放射学,DL,联合DL-放射学 (DLR) 和DLRN模型进行差异化.
主要成果:
- DLRN模型实现了高诊断准确性,在训练队列中AUC为0.994,在外部测试队列中为0.859.
- 校准曲线显示了对DLRN模型的良好一致.
- 决策曲线分析 (DCA) 表明DLRN模型的临床益处最大.
结论:
- 基于CE-MRI的DLRN显示出强大的诊断能力,可以区分TS和PS.
- DLRN模型在诊断脊髓感染方面具有显著的临床实用性.
更多相关视频
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
520
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.1K
