在三角神经疼痛中,三角神经和周围血管系统的基于深度学习的细分
Kyra M Halbert-Elliott1, Michael E Xie1, Bryan Dong1
1Departments of1Neurosurgery and.
Journal of neurosurgery
|March 7, 2025
概括
深度学习模型在MRI上准确地细分三角神经和血管,用于三角神经疼痛 (TN) 的评估. 这有助于开发用于TN的放射性评估的客观指标.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经外科 神经外科
背景情况:
- 三神经疼痛 (TN) 诊断依赖于通过MRI识别神经血管特征.
- 三神经和周围血管系统的准确细分对于手术前评估至关重要.
研究的目的:
- 应用和评估深度学习模型来细分三角神经和血管.
- 通过自动细分来量化神经和血管的解剖特征.
主要方法:
- 六个基于U-Net的神经网络与不同的编码器骨干被训练在50名TN患者的MRI数据.
- 绩效使用子系数和交叉与联盟 (IoU) 的指标进行评估.
- 自动细分结果与用于解剖测量的手动细分结果进行了比较.
主要成果:
- 使用SE-ResNet50骨干的U-Net模型获得了最佳性能 (Dice = 0.775,IoU = 0.681).
- 自动细分给出了与手动细分相似的结果,用于神经血管接触面积 (p=0.83) 和脑干距离 (p=0.29).
结论:
- 基于U-Net的深度学习模型在MRI的三角神经和血管细分方面表现出强的表现.
- 这项技术有助于创建定量和客观指标,用于TN的放射评估.


