一个基于深度学习的MRI自动检测模型,用于脊髓神经瘤和脑膜瘤
1Institute of Medical Imaging and Engineering, University of Shanghai for Science and Technology, Shanghai, China.
Medical & biological engineering & computing
|November 12, 2025
概括
一个新的深度学习模型使用MRI扫描自动检测脊柱瘤 (SCH) 和脑膜瘤 (MEN). 这种人工智能工具有助于早期诊断,并减少临床医生的负担.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 脊髓神经瘤 (SCH) 和脑膜瘤 (MEN) 是常见的原发性脊髓瘤.
- 它们相似的临床和放射性特征带来了诊断挑战.
研究的目的:
- 开发基于深度学习的对象检测模型,用于使用MRI自动检测脊柱SCH和MEN.
- 改善早期诊断并支持临床决策.
主要方法:
- 对103个病理确认的SCH和MENMRI扫描进行了回顾性分析.
- 开发一个优化的深度学习模型 (YOLOv8n-SKNeck),结合SKFusion和gnConv模块.
- 瘤检测模型的培训和评估.
主要成果:
- 该YOLOv8n-SKNeck模型实现了高性能指标.
- 平均准确率: 91.20% 的准确率.
- 平均召回率为90.92%
- 平均F1得分:91.03%用于SCH/MEN检测.
结论:
- 优化的深度学习框架通过MRI有效地自动检测和差异诊断脊柱SCH和MEN.
- 这种新的方法显示出在临床实践中推进计算机辅助诊断的巨大潜力.
