基于使用人工智能的磁共振成像对实验动物脑梗塞病变的手动细分的比较评估
I L Gubskiy1,2, D D Namestnikova3,4, E A Cherkashova3,4
1Federal Center of Brain Research and Neurotechnologies, Federal Medical-Biological Agency of Russia, Moscow, Russia. gubskiy.ilya@gmail.com.
Bulletin of experimental biology and medicine
|March 28, 2025
概括
脑梗塞病变的手动细分显示出很高的变异性,特别是在小病变中. 自动化人工智能细分为动物模型的磁共振成像分析提供了更好的准确性和可重复性.
科学领域:
- 神经成像是一种神经成像.
- 人工智能在医学中的应用
- 实验神经学 实验神经学
背景情况:
- 对脑梗塞病变的准确细分对于临床前研究至关重要.
- 神经成像研究中的手动细分方法可能是主观的,容易变化.
- 开发可靠的自动化工具对于动物模型中一致和可重复的结果至关重要.
研究的目的:
- 为了比较手动与自动细分脑梗塞病变的质量.
- 评估人工智能 (AI) 驱动的细分与人类专家性能之间的准确性和可重复性.
- 评估损伤大小对实验动物大脑细分变异性的影响.
主要方法:
- 在实验动物中利用磁共振成像 (MRI) 进行脑梗塞建模.
- 采用Swin-UNETR架构的AI系统用于自动化损伤细分.
- 四名独立研究人员进行了手动细分以进行比较.
主要成果:
- 手动细分显示出显著的变异性,特别是在较小的脑梗塞病变中.
- 与手工方法相比,自动化AI细分提供了更一致的结果.
- 这些发现突出了手动分析中的差异,特别是微妙的病理变化.
结论:
- 自动化AI细分,特别是使用Swin-UNETR,提高了分析脑梗塞病变的准确性和可重复性.
- 细分方法的标准化是必要的,以减轻手工方法的变化.
- 在临床前中风研究中,建议使用人工智能驱动的工具来提高神经成像分析的可靠性.
