一种基于规则的方法,可以在MRI图像上自动定位腰椎体
Pau Xiberta1, Màrius Vila1, Marc Ruiz1
1Graphics and Imaging Laboratory, Universitat de Girona, Girona, 17003, Catalonia.
Computers in biology and medicine
|April 30, 2025
概括
这项研究引入了一种自动化方法,用于在MRI扫描中精确定位腰椎体,从而显著减少机器学习数据集创建的手动工作. 该技术确保了准确的点位,增强了细分流程.
科学领域:
- 医疗成像医学成像
- 机器学习 机器学习
- 脊柱的解剖学 脊柱的解剖学
背景情况:
- 医疗图像细分对于解释和机器学习 (ML) 数据集准备至关重要.
- 完全自动的细分仍然具有挑战性,通常需要用户交互以进行改进.
- 腰椎细分是复杂的,需要半自动方法或手动数据集.
研究的目的:
- 开发一种自动化的方法来定位腰椎体在松式MRI扫描中.
- 为了减少腰椎细分程序中的用户互动.
- 为了促进建立基于ML的医疗图像分析的培训数据集.
主要方法:
- 一种新的方法,集成基于脊椎体形态的图像处理技术.
- 在50个手动注释的MRI扫描和补充公共数据集上进行测试.
- 使用标签准确度,点包含率和位置准确度 (RMSE,MAE) 的评估.
主要成果:
- 主要数据集中的所有腰椎体都被正确标记.
- 平均RMSE和MAE低于5毫米,具有统计学上显著的准确性.
- 补充数据集显示了高的标签率 (85.1%) 和包容率 (94.3%).
结论:
- 拟议的方法可以在腰椎体中实现强大而准确的自动定位.
- 自动化转换细分从半自动到全自动,减少错误和时间.
- 这便于创建ML培训数据集,并改善细分工作流程.
更多相关视频
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
39.7K
13:35Segmentation and Linear Measurement for Body Composition Analysis using Slice-O-Matic and Horos
Published on: March 21, 2021
10.3K
