使用T2加权图像检测莫亚莫亚血管病变的深度学习:一个多中心研究
Maoxue Wang1,2,3, Song Luo4, Chaoyong Xiao5
1Department of Radiology, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, China.
Quantitative imaging in medicine and surgery
|February 25, 2025
概括
深度学习模型可以使用T2加权成像 (T2WI) 检测Moyamoya血管病变 (MMA). 丹森网表现出最高的准确性,优于其他MMA查模型.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 在没有MRA的初始磁共振 (MR) 扫描中,可能会错过Moyamoya血管病变 (MMA).
- 开发用于早期检测的AI对于及时干预至关重要.
研究的目的:
- 开发和优化用于使用T2加权成像 (T2WI) 检测MMA的深度学习模型.
- 为了比较MMA检测的不同深度学习架构的性能.
主要方法:
- 一项回顾性多中心研究,涉及1,038名MMA患者和对照.
- 五个模型的培训和验证:SCNN,LeNet,VGG,ResNet和DenseNet.
- 使用来自不同医院和MR扫描仪的数据进行独立的外部验证.
主要成果:
- 在外部验证中,DenseNet获得了最高准确度 (0.859),超过了SCNN和LeNet.Net.
- 丹塞网的准确性与VGG和ResNet相美.
- 模型性能受到MR场强度和MRA分数的影响.
结论:
- 使用T2WI的DenseNet对于查Moyamoya血管病变是有效的.
- 开发的模型显示了提高MMA检测率的前景.
