使用图形神经网络检测发性焦点皮质失生症:一项MELD研究

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:

• 焦点皮层发育不良 (FCD) 是耐药性的主要原因,通常很难在MRI上检测到.
• 现有的FCD自动检测方法存在局限性,包括高错误阳性率,阻碍了临床使用.

研究的目的:

• 评估图形神经网络在MRI扫描中自动检测FCD的有效性和可解释性.
• 将一个新型图形神经网络 (MELD图) 的性能与现有算法进行比较.

主要方法:

• 一项多中心研究,涉及23个中心的回顾性MRI数据.
• 在20个中心的基于表面的MRI特征上训练图形神经网络 (MELD图形),在3个中心的数据上进行独立测试.
• 使用灵敏度,特异性和正预测值 (PPV) 评估性能,并对可解释性进行特征分析.

主要成果:

• 与基线算法相比,MELD Graph 在两种测试数据集中都显示了改善的PPV (67%对39%和76%对46%).
• 该网络在组织病理学证实患者中达到81.6%的灵敏度,在MRI阴性FCD患者中达到63.7%.
• 创建了可解释的报告,详细说明了病变的位置,大小,信心和突出的特征.

结论:

• MELD Graph是MRI上检测FCD的最先进的可解释工具,提供了显著的PPV改进.
• 它的临床实施可以提高焦点的早期诊断和管理,可能改善患者的治疗结果.