在通过全自动分段检测纵向软骨厚度变化时,冠状FLASH和沙吉塔双回声稳定状态MRI之间的比较 - 来自FNIH生物标志物队列的数据
Felix Eckstein1,2, Akshay S Chaudhari3, David J Hunter4
1Research Program for Musculoskeletal Imaging, Center for Anatomy and Cell Biology & Ludwig Boltzmann Institute of Arthritis and Rehabilitation (LBIAR), Paracelsus Medical University (PMU) Salzburg, Austria.
Osteoarthritis and cartilage open
|August 18, 2025
概括
人工智能 (AI) 使用FLASH MRI的自动软骨分析显示了与DESS MRI用于跟踪骨关节炎进展的结果相似的结果. 虽然人工智能是有效的,但手动细分仍然在区分疾病进展方面提供了略高的性能.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 骨关节炎研究 骨关节炎研究
背景情况:
- 骨关节炎 (OA) 研究通常依赖于MRI进行软骨评估.
- 自动化AI软骨分析显示出有希望的结果,但需要在不同的MRI序列中进行验证.
- 以前的研究使用了DESS MRI,但临床试验通常使用FLASH MRI.
研究的目的:
- 直接比较冠状FLASHMRI的全自动AI分析与角DESSMRI (自动和手动细分).
- 评估基于AI的软骨细分在使用不同MRI序列区分放射性进展者和非进展者的性能.
主要方法:
- 卷积神经网络 (CNN) 算法被训练在从FLASH和DESSMRI中手动细分的中间和侧侧腿骨软骨上.
- 进行了基于CNN的亚冠状骨骨细分的自动注册.
- 模型应用于OAI FNIH生物标志物样本的基线和两年随访MRI.
主要成果:
- 在进展者中,对中间股骨软骨厚度变化的敏感度为自动FLASH的 -0.81,自动DESS的 -0.74和手动DESS的 -0.72.
- 进步者和非进步者之间的区别 (科恩的D) 是自动FLASH的 -0.82,自动DESS的 -0.70,手动DESS的 -0.87.
- 自动FLASHMRI显示出强大的性能,与DESSMRI相提并论.
结论:
- 完全自动化的人工智能软骨细分使用冠状闪电核磁共振成像 (Flash MRI) 是像sagittal DESS MRI一样有区别的,用于识别放射性进展者与非进展者.
- 自动化细分性能略低于通过专家质量控制进行手动分析.
- 在OA临床试验中,冠状膜FLASHMRI是基于AI的自动软骨分析的可行序列.
