相关实验视频
Updated: May 29, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
353
开发一个三维卷积神经网络,用于自动化肩部全体积多组织细分,并与Goutalier分类和部分体积肌肉质量分析进行比较
Brian Kim1, Ziba Gandomkar2, Marnee J McKay3
1The Kolling Institute, The University of Sydney, Faculty of Medicine and Health & The Northern Sydney Local Health District, St Leonards, NSW, Australia; School of Health Sciences, Faculty of Medicine and Health, The University of Sydney, Sydney, NSW, Australia.
Journal of shoulder and elbow surgery
|February 8, 2025
概括
一个新的卷积神经网络 (CNN) 模型准确地为肌内脂肪 (IMF) 评估划分旋转手套肌肉. 国际货币基金组织的三维评估可靠地预测了外科手术的结果,超过了二维方法.
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
- 整形外科手术 整形外科手术
背景情况:
- 手术前肌肉内脂肪 (IMF) 是旋转器袖口修复失败的关键预测因素.
- 国际货币基金组织手动评估是劳动密集型和耗时的,阻碍了临床使用.
- 三维 (3D) 图像提供了更可靠的旋转手套评估的潜力.
研究的目的:
- 开发和验证一个卷积神经网络 (CNN) 用于自动化肩部MRI细分.
- 评估Gautallier分类 (GC),二维IMF和三维IMF之间的协议.
- 评估国际货币基金组织测量预测不良外科手术结果的歧视能力.
主要方法:
- 脂肪水迪克森肩部MRI的回顾性分析 (2023年3月至2024年3月).
- 在80次扫描中训练CNN模型 (修改U-Net),在25次扫描中测试.
- 使用子相似系数 (DSC),类内相关系数 (ICC) 和ROC曲线分析进行评估.
主要成果:
- 对于大多数旋转手套肌肉,CNN实现了高DSC (≥0.89).
- 肌肉体积的可靠性很好 (ICC ≥0.93),IMF的可靠性很好到很好 (ICC ≥0.80).
- 与2D IMF不同的是,3D IMF与关键旋转手套肌肉的GC (≥3) 有显著的相关性.
- 来自CNN的3D IMF表现出优异的区分能力 (ROC ≥0.93) 识别肌肉负预后IMF水平.
结论:
- 开发的CNN模型可实现高效和准确的细分,以可靠地评估肌肉质量.
- 两维IMF评估不足以区分临床显著的脂肪透.
- 国际货币基金组织的三维分析为预测旋转手术结果提供了卓越的判别有效性.
