使用体积人工智能进行分级分类的优点是,对于周周结膜超强度和深皮下白质超强度,使用体积人工智能
Masashi Kuwabara1, Fusao Ikawa2,3, Shinji Nakazawa4
1Department of Neurosurgery, Graduate School of Biomedical and Health Sciences, Hiroshima University, 1-2-3 Kasumi, Minami-ku, Hiroshima, Hiroshima, 734-8551, Japan.
Scientific reports
|November 17, 2025
概括
开发了一种人工智能 (AI) 算法,用于从MRI扫描中分级白质超强度 (PVH和DWMH). 人工智能实现了与人类专家可比的准确性,证明了其对自动化分析的潜力.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 周心室高强度 (PVH) 和深皮下白质高强度 (DWMH) 是小血管疾病的标志物.
- 准确分类这些病变对于诊断和监测至关重要.
- 目前的分级依赖于对磁共振成像 (MRI) 的主观专家评估.
研究的目的:
- 开发和验证人工智能 (AI) 算法,用于PVH和DWMH的自动分级.
- 用客观指标将人工智能的表现与人类专家的评估进行比较.
- 评估AI在病变分类中的一致性和可靠性.
主要方法:
- 在246名患者的MRI扫描上训练和测试了一种AI算法.
- 人工智能预测的Fazekas尺度等级与使用精度,F1分数和平均绝对误差的专家评估进行了比较.
- 使用弗莱斯的卡帕和科恩的卡帕评估了评价者间的协议.
主要成果:
- 与人类专家 (0.743) 相比,人工智能在PVH分类 (0.798) 中实现了优越的多类准确性.
- 对于DWMH分类,AI在区分严重病变和轻度/中度病变 (0.954对0.927) 中的表现优于专家.
- 人工智能在PVH和DWMH方面与人类评级者达成良好协议,超过了PVH的人类评级者之间的协议.
结论:
- 开发的AI算法有效地对PVH和DWMH进行评分,其准确性与人类性能相美.
- 人工智能显示出对白质超强度的客观,一致和可靠的自动化分析的潜力.
- 这种人工智能工具可以帮助诊断和管理脑血管疾病.
