卷积神经网络用于自动结核细分和结核硬化综合体结核负担的量化
Iván Sánchez Fernández1, Matheus D Soldatelli2, Gillian N Miller3
1Localization Laboratory, Division of Epilepsy and Clinical Neurophysiology, Department of Neurology, Boston Children's Hospital, Harvard Medical School, Boston, Massachusetts, USA.
Epilepsia
|November 19, 2025
概括
一个使用卷积神经网络 (CNN) 的新自动化算法准确地对脑进行细分,并在患有结核性硬化综合体 (TSC) 的患者中量化其体积. 这种人工智能工具与专家神经放射学家的性能相匹配,提高了研究可重现性.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 神经学 神经学
背景情况:
- 结核性硬化综合体 (TSC) 是一种遗传性疾病,其特点是大脑中的结核生长.
- 精确的结核细分和体积量化对于评估TSC的疾病负担和进展至关重要.
- 目前由神经放射学家进行的手动量化是耗时的,并且受观察者之间的变化影响.
研究的目的:
- 开发一个完全自动化的算法,用于结核细分和体积量化TSC患者的大脑MRI.
- 为了达到与人类神经放射学家黄金标准相提并论的性能.
- 为TSC研究提供一个客观和可重复的工具.
主要方法:
- 一个卷积神经网络 (CNN) 被训练和验证,使用来自196名TSC患者的大脑MRI数据.
- 用Dice-Sørensen相似系数 (DSSC) 评估细分的性能.
- 使用Spearman相关系数对神经放射学家的手动测量进行了评估.
主要成果:
- 自动化算法实现了0.820的高DSSC,用于全脑块细分.
- 美国有线电视新闻网 (CNN) 的结核体积量化显示,与神经放射学家的黄金标准有着近乎完美的相关性 (斯皮尔曼系数=0.984).
- 该模型在所有大脑叶部都表现出强的表现,DSSC值在0.817到0.856.6之间.
结论:
- 一个公开可用的CNN模型为TSC提供了准确和自动化的结核细分和量化.
- 该算法显著提高了TSC研究中的客观性和可重复性.
- 这种工具有可能在不同机构标准化结核负担评估.
