胎儿MRI深度学习对身体和肺部的细分在先天性隔膜中
Leon M Bischoff1,2, Sebastian Nowak1,2, Maximilian Mader1
1Department of Diagnostic and Interventional Radiology, University Hospital Bonn, Bonn, NRW, 53127, Germany.
Radiology advances
|October 8, 2025
概括
深度学习 (DL) 分段精确地测量了先天性隔膜胎胎儿的胎儿身体和肺体积,提供了可靠的预后结果,与手工方法相比,但显著更快.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 胎儿医学 胎儿医学
背景情况:
- 在胎儿评估中,先天性隔膜 (CDH) 带来了重大挑战.
- 精确测量胎儿肺体积对于预测CDH结果至关重要.
- 从MRI中手动细分胎儿体积是耗时和劳动密集的.
研究的目的:
- 评估深度学习 (DL) 的性能,以对患有CDH的胎儿的胎儿总体积 (TFBV) 和胎儿肺总体积 (TFLV) 进行细分.
- 为了比较DL细分的准确性和效率与手动细分.
- 评估DL衍生指标的预后价值,以预测CDH的产后结果.
主要方法:
- 对208个患有CDH的胎儿的胎儿MRI研究进行了回顾性分析.
- 使用手动技术和两种基于U-Net的DL模型对TFBV和TFLV进行细分.
- 手动和DL方法之间的细分精度 (Dice分数) 和时间效率的比较.
- 计算观察到的/预期的肺总体积 (O/E TLV) 比率,并评估其对产后死亡率的预测值.
主要成果:
- DL细分比手动细分快得多 (0.25分钟与30分钟相比,P < .001).
- DL和手动细分显示了TFBV (Dice分数:0.98) 和TFLV (Dice分数:0.84) 的可比准确性.
- 手动和DL衍生的O/E TLV比率都是产后死亡率的强有力的负预测指标 (OR:0.97,P <.001).
结论:
- 深度学习提供了一种可靠和快速的替代方案,用于在CDH中对胎儿体积进行细分.
- 基于DL的O/E TLV计算可与手动方法相比较,并保持预后价值.
- 这种方法可以显著提高胎儿评估和CDH结果预测的效率.
