在多发性硬化症中对比和解释深度学习皮层损伤MRI细分在多发性硬化症中
Nataliia Molchanova1,2,3,4, Alessandro Cagol5,6,7,8, Mario Ocampo-Pineda5,6,7
1Faculty of Biology and Medicine, University of Lausanne (UNIL), Lausanne, Switzerland.
ArXiv
|September 19, 2025
概括
这项研究使用MRI对多发性硬化症 (MS) 中皮质病变 (CLs) 的自动检测进行了基准. 开发的AI显示了改善临床实践中的CL分析的希望.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 生物标志物发现发现
背景情况:
- 皮层病变 (CLs) 是多发性硬化症 (MS) 的关键生物标志物,但在MRI中很难检测和细分.
- 目前的方法缺乏标准化,阻碍了常规临床使用.
研究的目的:
- 在MRI中建立一个用于自动化CL检测和细分的多中心基准.
- 调整和评估nnU-Net框架,以改善CL分析.
主要方法:
- 使用了656个多机构MRI扫描 (3T和7T) 与MP2RAGE和MPRAGE序列.
- 采用了自配置的nnU-Net框架,并为CL检测提供了量身定制的调整.
- 进行了分布外测试,以评估模型通用性.
主要成果:
- 在域内检测CL的F1得分为0.64,在域外检测CL的F1得分为0.5.
- 分析模型特征和错误,以了解AI决策.
- 数据变化和协议差异对性能的确定的影响.
结论:
- 拟议的方法证明了强大的CL检测能力,解决了当前MS诊断的局限性.
- 结果为克服自动化MRI分析临床采用障碍提供了建议.
- 公共可访问的代码和模型将增强可复制性和未来的研究.
关键词:
脑子 脑子 大脑 脑子皮层病变 在皮层病变.深度学习是一种深度学习.检测 检测 检测 检测 检测磁共振成像是一种磁共振成像技术.多发性硬化症是多发性硬化症.分段化 分段化 分段化 分段化值得信赖的AI 值得信赖的AI
