跨通道特征传输3D U-Net用于水MRI中周淋巴和内淋巴流体空间的自动分割

科学领域:

• 医学成像
• 人工智能
• 内耳疾病

背景情况:

• 内淋巴水滴 (EH) 是诊断内耳疾病的关键.
• 在水中精确细分流体空间,MRI对于EH的识别至关重要.
• 在MRI中评估EH的现有方法可能是劳动密集型和主观的.

研究的目的:

• 开发一种完全自动化的方法来对水MRI中的内淋巴和周淋巴流体空间进行细分.
• 引入一个新的跨道特征传输 (CCFT) 3D U-Net模型,以增强 EH 分段.
• 根据现有的细分技术评估CCFT 3D U-Net模型的性能.

主要方法:

• 提出了一个新的跨道特征传输 (CCFT) 3D U-Net架构.
• 该模型利用了从磁共振水库图像 (MRC) 到HYDROPS-Mi2图像的特征转移.
• 进行了周淋巴和内淋巴流体空间的自动细分.

主要成果:

• CCFT 3D U-Net实现了临淋巴空间的高细分精度 (DSC: 0.9459,IOU: 0.8975).
• 该模型在内淋巴空间的细分方面表现出强的表现 (DSC:0.8053,IOU:0.6778).
• 从MRC转移特征显著改善了内淋巴液空间的细分.

结论:

• CCFT 3D U-Net为MRI中EH细分提供了强大的自动化解决方案.
• 这种人工智能驱动的方法有可能提高内耳疾病诊断的准确性和效率.
• CCFT模块在水滴成像方面有望推进定量分析.