![Quantitative [18F]-Naf-PET-MRI Analysis for the Evaluation of Dynamic Bone Turnover in a Patient with Facetogenic Low Back Pain](/_next/image?url=https%3A%2F%2Fcloudfront.jove.com%2FCDNSource%2Fteasers%2F58491.jpg&w=3840&q=50)
脊柱Scan:一个深度学习模型,用于腰椎MRI注释和Pfirrmann分级评估
Aleksandr Minin1, Olga Leonova2, Aleksandr Krutko3
1Institute for Artificial Intelligence, Lomonosov Moscow State University, Moscow, Russian Federation.
概括
这项研究开发了一个开源人工智能模型,用于自动的腰椎退化分级,实现专家级别的性能. 脊柱扫描网络应用程序为临床使用提供了可访问的AI辅助Pfirrmann分级.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 脊柱退化研究 脊柱退化研究
背景情况:
- 深度学习的进步使得对椎间盘退化 (IDD) 的自动化Pfirrmann分级成为可能.
- 许多当前的模型是专有和不可访问的.
- 需要验证的,开源的AI工具来进行IDD评估.
研究的目的:
- 开发和验证一个卷积神经网络 (CNN) 用于自动化Pfirrmann分级.
- 利用多样化的临床数据集进行强大的模型培训.
- 创建一个开源的Web应用程序 (SpineScan) 用于人工智能辅助的分级.
主要方法:
- 从两个数据集中对484个腰部MRI扫描进行了CNN (YOLOv8x架构) 的训练.
- 模型同时检测磁盘,并从单片切片中分类Pfirrmann等级 (I-V).
- 使用精度,回忆和平均平均精度 (mAP) 评估性能.
主要成果:
- 达到0.78-0.82之间的预测准确度,与专家放射科医生相比较.
- 第四级磁盘的性能最高 (mAP50=0.872);第五级磁盘的性能较低 (mAP50-95=0.525).
- 总体精度为0.75和回忆能力为0.808.
结论:
- 开发的AI模型显示了自动腰椎退化分级的强大潜力.
- 该模型的性能与专家放射科医生相美.
- 脊柱扫描网络应用程序支持人工智能辅助的Pfirrmann在临床环境中的分级.
