相关实验视频
Updated: Jan 7, 2026
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
721
一个预训练的模型定制框架,用于加速PET/MR细分腹部脂肪在阻塞性睡眠呼吸暂停
Valentin Fauveau1,2, Heli Patel1, Jennifer Prevot3
1Biomedical Engineering and Imaging Institute (BMEII), Icahn School of Medicine at Mount Sinai, New York, NY 10029, USA.
Diagnostics (Basel, Switzerland)
|December 30, 2025
概括
这项研究开发了一个人工智能框架,用于使用混合PET/MRI扫描进行自动化的内脏和皮下脂肪组织细分. 人工智能模型显著减少了细分时间,同时保持了阻塞性睡眠呼吸暂停患者体积和代谢脂肪分析的卓越准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 精确量化内脏脂肪组织 (VAT) 和皮下脂肪组织 (SAT) 对于了解像阻塞性睡眠呼吸暂停 (OSA) 这样的心脏代谢疾病至关重要.
- 深度学习模型加速重复的任务,但特定的研究应用需要定制框架.
研究的目的:
- 通过混合PET/MRI数据验证一个定制框架,用于开发使用混合PET/MRI数据的自动增值税/SAT细分模型.
- 与手动方法相比,评估人工智能驱动细分的效率和准确性.
主要方法:
- 一个在RadImageNet上预先训练的UNet-ResNet50模型在注释的PET/MRI扫描上进行了代训练.
- 模型性能与手册注释相对,使用Dice相似系数,细分时间和ICC进行体积和代谢一致的评估.
主要成果:
- 完全自动化的AI细分可以将注释时间从121.8分钟 (手动) 减少到每次扫描1.2分钟.
- 在体积和代谢测量方面,高子相似系数 (0.98对于VAT/SAT口罩) 和优异的一致性 (ICCs>0.98) 得到了实现.
- 在人工智能衍生和手动测量之间观察到最小的偏差.
结论:
- 开发的AI管道允许使用混合PET/MRI进行有效和准确的腹部脂肪量化,同时进行体积和代谢分析.
- 该框架通过整合多式成像和AI细分来简化肥胖,OSA和心脏代谢疾病研究的研究工作流程.
- 可以促进仓库特定脂肪指标的量化,这可能会影响临床结果.
关键词:
雷德影像网 (RIN) 是一个在线影像网络.人工智能 (AI) 是一种人工智能.生物标志物生物标志物心血管疾病 (CVD) 是一种心血管疾病.深度学习 (DL) 是指深度学习.磁共振成像 (MRI) 的使用.阻塞性睡眠呼吸暂停 (OSA) 是一种定子发射断层扫描 (PET) 是一种皮下脂肪组织 (SAT)转移学习转移学习内脏脂肪组织 (VAT).更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
3.3K
09:21Human Brown Adipose Tissue Depots Automatically Segmented by Positron Emission Tomography/Computed Tomography and Registered Magnetic Resonance Images
Published on: February 18, 2015
12.6K
