完全自动化的多序检测和对准焦点肝损伤在动态对比增强MRI

科学领域:

• 放射学和医学成像学 医学成像学
• 医疗保健中的人工智能
• 瘤学和肝病学 肝病学

背景情况:

• 在动态对比增强MRI (DCE-MRI) 中手动检测焦点肝病变 (FLLs) 通常耗时且容易出现错误.
• 需要有效和准确的工具来帮助放射科医生检测FLL,这对于及时诊断和治疗规划至关重要.

研究的目的:

• 验证一种人工智能 (AI) 方法,用于在多序 DCE-MRI 中完全自动检测和对齐 FLL.
• 为了比较人工智能方法与人类放射科医生的性能,在各种MRI序列中识别FLL.

主要方法:

• 对来自三家医院的477名患者的DCE-MRI数据的回顾性分析 (2020年2月至2022年8月).
• 基于人工智能的FLL检测和调整与高级放射科医生的评估进行了验证.
• 在病变和患者层面评估性能,并对病变大小和数量进行亚组分析.

主要成果:

• 人工智能实现了高检测灵敏度:0.990在病变层面和0.997在患者层面.
• 人工智能显著优于个人放射科医生 (0.607损伤水平,0.920患者水平),并且在人工智能辅助的方式使用时改善了放射科医生的灵敏度 (0.718损伤水平).
• 人工智能显示了9个DCE-MRI序列中检测到的FLL的稳健对齐 (准确率为91.1%),并在所有损伤大小和数量子组中保持高灵敏度.

结论:

• 经过验证的AI方法使得在DCE-MRI中完全自动检测和对齐FLL在多个序列中.
• 人工智能为放射科医生提供了宝贵的工具,提高了FLL检测准确性和DCE-MRI解释的效率.
• 人工智能的强大性能和交叉序列对齐能力表明它有可能改善肝损伤的诊断工作流程.