在基于人工智能的3DMRI分析中,膝关节软骨厚度在骨关节炎中的间扫描测量误差的分布

科学领域:

• 整形外科和生物医学工程
• 医疗成像中的人工智能
• 放射学和肌肉骨成像学

背景情况:

• 骨关节炎 (OA) 的诊断和监测依赖于对膝关节软骨厚度的准确评估.
• 传统的手动测量是耗时的,容易引起观察者之间的变化.
• 对MRI数据的自动化分析为客观和可重复的软骨评估提供了潜在的解决方案.

研究的目的:

• 开发和验证一种基于人工智能的新型3D分析系统,用于自动从MRI数据中提取骨和软骨.
• 用这个AI系统来量化膝盖软骨的平均厚度,并分析骨关节炎患者间扫描测量误差.
• 评估不同Kellgren-Lawrence (KL) 等级和MRI供应商的自动软骨厚度测量的可靠性.

主要方法:

• 50名膝关节骨关节炎患者使用5个不同供应商的系统进行了双重MRI扫描.
• 人工智能系统自动量化了七个不同的膝盖区域的软骨厚度.
• 对患有早期 (KL 1-2) 和晚期 (KL 3-4) 骨关节炎的患者进行了间扫描测量误差分析.

主要成果:

• 对于早期的OA (KL 1-2),97%的测量有≤0.20mm的误差.
• 对于先进的OA (KL 3-4),90%的测量有≤0.20mm的误差.
• 在所有患者中 (KL 1-4),93%的间扫描测量在0.20毫米的误差范围内,在KL组之间发现了显著的差异.

结论:

• 基于人工智能的3D分析系统在骨关节炎患者的自动膝盖软骨厚度测量方面表现出高可靠性.
• 该系统在0.20毫米的误差范围内实现了93%的间扫描测量,表明其临床实用性.
• 自动化评估在不同疾病严重程度和MRI供应商之间显示出一致的性能,支持其在OA管理中的使用.