在慢性肝病中,使用深度学习方法对肝血管与体积比率的MRI衍生量化

科学领域:

• 放射学和成像学 放射学和成像学
• 人工智能在医学中的应用
• 肝病学 肝病学是一种肝病学.

背景情况:

• 慢性肝病 (CLD) 涵盖了一系列影响肝脏健康的疾病.
• 精确的分期和CLD进展的监测对于患者管理至关重要.
• 评估肝脏 (功能障碍) 和纤维化的非侵入性生物标志物非常受欢迎.

研究的目的:

• 用基于深度学习的MRI来量化CLD不同阶段和健康对照中的肝血管体积.
• 评估肝血管体积与肝功能,纤维化和门性高血压的已确定的生物标志物之间的相关性.

主要方法:

• 从健康对照组和非晚期和晚期CLD (ACLD) 患者的3-T MRI扫描进行了回顾性分析.
• 使用3D U-Net深度学习模型进行肝血管细分.
• 量化总血管体积比率 (TVVR),肝血管体积比率 (HVVR) 和门静脉与体积比率 (PVVR).
• 相关的体积数据与白蛋白-白素 (ALBI) 评分,MELD-Na 评分,FIB-4 评分,肝硬度测量 (LSM),肝血管压力梯度 (HVPG),血小板计数 (PLT) 和体积.

主要成果:

• 包括197名参与者 (35个对照组,44个非ACLD,118个ACLD).
• 在对照组中,TVVR和HVVR显著更高,在非ACLD中处于中间水平,在ACLD患者中处于最低水平 (p ≤0.001).
• 与对照组相比,非ACLD和ACLD组的PVVR降低了 (p ≤0.001),CLD组之间没有差异.
• HVVR显示了与FIB-4,ALBI,MELD-Na,LSM和体积的显著逆相关性,以及与PLT的直接相关性.

结论:

• 基于深度学习的肝血管体积有效地区分健康的肝脏和CLD的不同阶段.
• 量化的肝血管变化,特别是减少的HVVR,与已确定的肝功能障碍,纤维化和门性高血压的标志物相关.
• 肝血管体积显示出作为评估CLD严重程度的非侵入性成像生物标志物的潜力.