通过使用MRI图像特征,对大脑白质遗传性疾病 (白血病) 进行自动分类
Zahra Seraji1, Saeid Rashidi1, Morteza Heidari2
1Department of Biomedical Engineering, SR.C., Islamic Azad University, Tehran, Iran.
Biomedical physics & engineering express
|November 24, 2025
概括
深度学习模型从脑MRI扫描中准确地诊断出白血病. 这种人工智能工具有助于神经科医生进行差异诊断,改善患者管理和遗传测试.
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:
- 白血病是遗传性白质疾病,由于症状重叠,诊断具有挑战性.
- 准确及时诊断对于有效的患者管理和遗传咨询至关重要.
研究的目的:
- 评估机器学习和深度学习模型,以使用脑磁共振成像来自动分类白血病.
- 为了比较传统机器学习与深度学习方法的诊断性能.
主要方法:
- 预处理了来自五种白血病缩亚型的115个脑部MRI扫描.
- 在手工制作的功能上训练传统的机器学习算法.
- 在3DMRI卷上微调预训练的卷积神经网络 (CNN).
主要成果:
- 深度学习模型,特别是CNN,显著超过了传统的机器学习方法.
- 在全脑图像上,InceptionV3 CNN 架构实现了 93.41% 的精度.
- 高精度,回忆,特异性和AUC分数表明了强大的诊断能力.
结论:
- 机器学习,特别是深度学习,提供了一个可靠的自动化工具,用于白血病微分诊断.
- 这项技术可以支持神经病学家,简化遗传检测,并指导患者护理策略.
