7特斯拉MRI上的海马细分性能:基于强度的准确性评估与对联的3T-7T体积比较跨多个算法.
Justin A Cramer1, Ichiro Ikuta1, Leslie C Baxter1
1From the Department of Radiology (JAC, II, LCB, YZ), Department of Neurosurgery (JJP), Mayo Clinic, Scottsdale, AZ, USA; and School of Computing and Augmented Intelligence (YW), Arizona State University, Phoenix, AZ, USA.
AJNR. American journal of neuroradiology
|November 19, 2025
概括
海马细分算法显示在7特斯拉 (7T) 核磁共振时具有可变的准确性. Hippodeep表现最好,但所有算法都低估了体积,因此需要专门的7T规范数据库用于临床使用.
科学领域:
- 神经成像是一种神经成像.
- 磁共振成像 (MRI) 是一种磁共振成像技术.
背景情况:
- 临床采用7特斯拉 (7T) MRI正在增长.
- 现有的海马细分算法没有在7T数据上进行训练,这限制了它们的临床实用性.
- 这些算法在7T的性能基本上没有特征.
研究的目的:
- 评估常用的海马体细分算法在7TMRI的准确性.
- 比较3T和7T海马细分之间的体积差异.
- 评估7T低估对规范百分位数转移的影响.
主要方法:
- 分析了两个回顾性数据集 (269项研究用于7T准确性,39名受试者用于3T-7T比较).
- 在7T测试了6个算法 (AssemblyNet,e2dhipseg,FastSurfer,HippMapper,hippodeep,QuickNat),QuickNat被排除在3T-7T比较之外 (NeuroQuant 5.0已经添加).
- 使用基于voxel强度的校正指标量化准确性,并通过Wilcoxon签名等级测试评估体积差异.
主要成果:
- 在7T时,Hippodeep表现出最低的整体校正体积 (0.58毫升),这表明其精度更高.
- 所有测试的算法都产生了显着较小的海马体积在7T与3T相比 (p < 0.001).
- 平均绝对体积差异在0.19毫升 (海马深度) 到1.54毫升 (HippMapper) 之间,NeuroQuant显示0.54毫升的差异和41个百分点的百分位移.
结论:
- 在3T和7T之间,Hippodeep表现出最一致的交叉场性能.
- 跨算法在7T时的一致的体积低估给临床解释带来了挑战.
- 专门的7T规范数据库对于海马体体积计的准确临床应用至关重要.
