在严重的放射性关节炎的膝盖中进行软骨形态测试的全自动化技术 - 方法开发和验证
Wolfgang Wirth1,2,3, Felix Eckstein1,2,3
1Chondrometrics GmbH, Freilassing, Germany.
Osteoarthritis and cartilage open
|July 23, 2025
概括
使用多图书馆注册的自动化后处理改善了膝关节骨关节炎的卷积神经网络 (CNN) 分段. 这种方法准确地重建了下丘脑骨区域,在严重的骨关节炎病例中增强了软骨和骨形态分析.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 生物医学工程 生物医学工程
背景情况:
- 关节软骨和下骨的准确细分对于分析膝关节关节炎至关重要.
- 亚冠骨 (dAB) 的剥离区域对使用卷积神经网络 (CNN) 的自动细分提出了挑战.
研究的目的:
- 开发和评估一种自动化后处理方法,用于重建总子中枢骨面积 (tAB).
- 为了提高严重膝关节骨关节炎中自动化软骨和下底骨分析的准确性和纵向灵敏度.
主要方法:
- 在CNN模型的训练中,使用不同严重程度的膝盖骨关节炎 (KLG2-4和KLG4) 的MRI数据进行了训练.
- 基于选择的多地图库注册被用于自动化后处理,以重建dAB和完善细分.
- 使用子相似系数 (DSC) 和布兰德-阿尔特曼分析来评估一致性和准确性.
- 用标准化响应平均值 (SRM) 评估对一年内软骨变化的纵向敏感性.
主要成果:
- 与KLG4单独训练相比,接受了更广泛的骨关节炎严重程度 (KLG2-4) 训练的CNN显示出更强的一致性 (DSC 0.800.89),以及对软骨厚度和tAB区域的偏差较低.
- 基于注册的后处理与没有注册的方法相比,提高了结果.
- FLASH MRI的自动细分显示了对变化的高度敏感性 (SRM ≥-0.74).
结论:
- 基于CNN的细分与基于注册的后处理相结合,显著增强了软骨和子冠状腺骨形态的自动分析.
- 这种新的方法在对膝关节关节炎的纵向研究中是有效的,特别是在严重的病例中.
