HU到RGB转换与自动窗口选择,用于使用ncCT进行内出血分类

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 在非对比计算断层扫描 (ncCT) 上对内出血 (ICH) 的分类对于患者的护理至关重要.
• 标准的窗口宽度 (WW) 和窗口水平 (WL) 设置可以掩盖出血细节,原因是大脑组件和患者状况的变化.
• 准确的可视化对于有效诊断和分类ICH类型至关重要.

研究的目的:

• 引入和评估一种新的预处理技术,即HU到RGB转换 (HRT),用于在ncCT扫描上增强ICH可视化.
• 通过使用深度神经网络模型,提高分类五类ICH的准确性.
• 评估HRT对住院医生的诊断准确性的影响.

主要方法:

• 开发了HU到RGB转换 (HRT) 技术,以动态选择最佳的WW和WL参数.
• 利用HRT通过将Hounsfield单位映射到RGB颜色组件来强调出血的可见性.
• 集成的HRT作为深度神经网络图像分类模型的预处理步骤.
• 利用多个大脑组件来完善出血区域的划分.

主要成果:

• 通过HRT预处理方法,在分类五种ICH类型和正常切片时,平均获得了89.35%的灵敏度和96.03%的特异性.
• 居民对HRT预处理图像的直接评估提高了ICH类型分类的准确性,达到97.39%的灵敏度和96.19%的特异性.
• 通过HRT增强的分类准确度超过了通过阅读标准DICOM文件 (93.31%的灵敏度,94.81%的特异性) 获得的分类准确度.

结论:

• 从HU到RGB转换 (HRT) 是一种有效的图像预处理技术,用于在ncCT扫描上改善内出血的检测和分类.
• HRT显著提高了出血区域的可见性,从而提高了自动化模型和人类专家的诊断性能.
• 这种方法为放射科医生和临床医生提供了一种有价值的工具,有可能导致更快,更准确的ICH诊断.