一个基于脊柱MRI的新型深度学习系统,用于基于脊柱MRI的腰椎脊柱狭窄的自动诊断和分级:模型开发和验证
Tianyi Wang1, Aobo Wang1, Yiling Zhang2,3
11Department of Orthopedics, Beijing Chaoyang Hospital, Capital Medical University, Beijing, China.
Neurosurgical focus
|July 1, 2025
概括
一个新的深度学习 (DL) 系统使用MRI扫描精确地选腰椎缩 (LSS). 这种自动化工具显示出高可靠性和灵敏度,有可能改善临床诊断和工作流程.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 脊柱外科和诊断 脊柱外科和诊断
背景情况:
- 腰椎脊柱狭窄症 (LSS) 包含中央,侧侧缩和前狭窄症,需要通过MRI进行准确的诊断.
- 当前的诊断过程可能会耗时,并受到观察者之间的变化.
- 深度学习 (DL) 提供了自动化和标准化医疗图像分析的潜力.
研究的目的:
- 开发和评估一个单阶段的深度学习 (DL) 系统,用于自动查和分级腰部中央狭窄症 (LCS),侧侧静脉狭窄症 (LRS) 和腰部前狭窄症 (LFS).
- 与人类专家相比,评估DL系统的诊断性能和可靠性.
主要方法:
- 从内部和外部数据集的腰部MRI扫描的回顾性审查.
- 开发一个修改的单阶段YOLOv5网络,用于同时检测感兴趣的区域和狭窄分级.
- 由脊椎专家和临床医生进行独立标记,以与DL模型性能进行比较.
主要成果:
- 高回忆率 (97.4%-99.8%) 对于腰椎缩 (LSS) 区域检测.
- 曲线下的面积 (AUC) 值在0.93-0.97 (内部) 和0.85-0.94 (外部) 之间,用于狭窄分级.
- 与临床医生相比,DL模型显示了高的二进制分类灵敏度 (0.95-0.98) 和优越的观察者间可靠性 (kappa: 0.88-0.92).
结论:
- 一个新的DL系统显示了使用脊柱MRI进行LCS,LRS和LFS的自动诊断和分级的有希望的性能.
- DL系统具有很高的灵敏度和可靠性,表现优于非专家的脊柱临床医生.
- 这种自动化系统可以作为一种有效的选工具,以减少误诊并优化LSS的临床工作流程.
