在DIXON MRI中向人口规模的丸体积细分
Jan Ernsting1, Philipp Nikolas Beeken2, Lynn Ogoniak2
1Institute for Geoinformatics, University of Münster, Münster, Germany; Faculty of Mathematics and Computer Science, University of Münster, Münster, Germany; University of Münster, Institute for Translational Psychiatry, Münster, Germany.
Computers in biology and medicine
|September 30, 2025
概括
机器学习模型可以从MRI扫描中准确测量丸体积,帮助男性生育研究. 这项研究为人口中丸大小的大规模,可重现的分析提供了工具.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 丸大小是男性生育能力的关键指标,通常通过触摸或成像进行临床评估.
- 使用成像技术对丸体积的种群层面分析由于数据限制而受到限制.
- 以前的研究表明,机器学习对丸体积细分的潜力.
研究的目的:
- 通过UKBiobank磁共振成像 (MRI) 数据评估丸体积的机器学习细分方法.
- 为大规模丸MRI细分建立一个可重复的框架.
- 为研究可访问性提供训练模型,基线方法和注释数据.
主要方法:
- 使用了来自英国生物银行的磁共振成像 (MRI) 数据.
- 评估了各种机器学习模型,用于自动化丸体积细分.
- 对比模型性能与人类互测器可靠性.
主要成果:
- 表现最好的模型获得了0.89.89的子中位数.
- 这一表现超过了观察到的人类互测器可靠性的0.85的Dice中位数得分.
- 使用自动化方法实现了第一个大规模的丸体积注释.
结论:
- 机器学习提供了一种强大而准确的方法,用于通过MRI对丸体积进行细分.
- 开发的模型和数据集促进了前所未有的丸大小的人口规模分析.
- 提高男性生殖健康研究的可复制性和可访问性.
