MRISegmenter:一个完全准确和强大的自动化多器官和结构细分工具,用于T1加权的腹部MRI
Yan Zhuang1, Tejas Sudharshan Mathai2, Pritam Mukherjee2
1Department of Diagnostic, Molecular, and Interventional Radiology, Windreich Department of Artificial Intelligence and Human Health, Icahn School of Medicine at Mount Sinai, New York, NY.
Radiology
|April 22, 2025
概括
一个自动化工具MRISegmenter在T1加权的MRI扫描中准确地分割了60多个腹部器官和结构. 这一进步为改善腹部成像分析提供了强大的细分.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 计算解剖学的计算解剖学
背景情况:
- 在MRI中,腹部器官的自动细分对于临床应用至关重要.
- 现有的工具往往缺乏准确性和强度,用于各种结构.
- 需要一个全面的工具来对60多个腹部器官和结构进行细分.
研究的目的:
- 开发和评估MRISegmenter,一个用于T1加权腹部MRI多器官细分的自动化工具.
- 评估内部和外部数据集上的细分工具的准确性和稳定性.
主要方法:
- 一个3DnnU-Net模型 (MRISegmenter) 在一个T1加权的腹部MRI数据集上进行训练,并对62个器官/结构进行voxel级注释.
- 该模型在内部测试集和两个外部数据集 (AMOS22,Duke Liver) 上进行了评估.
- 细分性能使用子相似系数 (子得分) 和正常化表面距离 (NSD) 来量化.
主要成果:
- 在内部测试组中,MRIS分段器在内部测试组中实现了高性能 (盘子得分:0.861 ± 0.118,NSD:0.924 ± 0.073).
- 该工具在外部数据集上展示了强大的性能:AMOS22 (子:0.829 ± 0.133,NSD:0.908 ± 0.067) 和杜克肝脏 (子:0.933 ± 0.015,NSD:0.929 ± 0.021).
结论:
- MRISegmenter在T1加权的MRI中提供62个腹部器官和结构的准确和强大的自动细分.
- 该工具有可能在腹部MRI分析和研究中显著帮助.
- 细分工具和数据集是公开可用的,用于进一步的研究和开发.
