使用深度学习对肌的自动MRI细分使得大规模的肌肉参数分析成为可能
R S A Ten Brink1, B J Merema1, M E den Otter2
1Department of Maxillofacial Surgery, University Medical Center Groningen, Groningen, the Netherlands; 3D Lab, University Medical Center Groningen, Groningen, the Netherlands.
概括
一个新的深度学习模型从MRI扫描中自动化了肌肉细分. 这使得用于下重建的个性化植入物设计成为可能,可能减少并发症并改善患者的治疗结果.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 计算解剖学的计算解剖学
背景情况:
- 特定于患者的植入物对于下重建至关重要,但目前的设计忽视了个人的生物机械需求.
- 手动对肌参数进行细分是劳动密集型,阻碍了个性化植入物开发.
研究的目的:
- 开发和验证一个深度学习模型,从MRI数据中自动细分八个肌.
- 允许大规模分析肌肉参数,以改善植入物设计中的生物力学考虑.
主要方法:
- 一个深度学习模型使用40个T1加权MRI扫描与手动或伪标记细分进行训练.
- 该模型经历了5次交叉验证,并通过10次手动细分扫描进行了测试.
- 性能被评估使用子相似系数 (DSC),交叉与联合 (IoU),精度和回忆.
主要成果:
- 该模型实现了高细分精度,平均DSC为0.88,IOU为0.79,精度为0.87,回忆率为0.89.
- 已证明可用于可重复的大规模分析肌肉体积,方向和估计力的可行性.
- 表明将这些参数整合到患者特定的植入物设计中的潜力.
结论:
- 开发的深度学习模型准确地细分了肌,促进了生物机械分析.
- 这种方法推进了下巴重建的个性化手术策略.
- 提供了改善植入成功率和重建性外科手术患者护理的途径.


