PARASIDE:用于磁共振成像的自动鼻细分和结构分析工具
Hendrik Möller1, Lukas Krautschick2, Robert Graf1
1Department for Interventional and Diagnostic Neuroradiology, TUM University Hospital, Ismaninger Straße 22, Munich, 81675, Bavaria, Germany; Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital, Munich, 81675, Bavaria, Germany.
一个名为PARASIDE的新工具在MRI扫描上自动对鼻进行细分. 这种自动化的方法准确地预测慢性鼻炎的严重程度,改进了手动评分方法.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 计算解剖学的计算解剖学
背景情况:
- 慢性鼻炎 (CRS) 影响5%-12%的人口,严重影响生活质量.
- 对CRS严重程度的客观评估具有挑战性,目前的方法,如Lund-Mackay得分 (LMS) 是主观和手动的.
- 现有的评分系统缺乏对鼻炎的客观量化.
研究的目的:
- 介绍PARASIDE,这是一个用于T1加权MRI上鼻突细分的自动化工具.
- 量化鼻腔特征 (体积,厚度,强度) 以客观评估疾病.
- 使用自动化定量特征准确预测Lund-Mackay总得分 (TLMS).
主要方法:
- 使用T1加权MRI,在上,额头,上和上鼻中对空气和软组织体积的自动细分.
- 提取的特征的量化,如体积,厚度和强度.
- 根据细分特征预测TLMS的回归分析,与定量不透明度得分 (QOS) 和定量隆德-麦凯得分 (QLMS) 的基线进行比较.
主要成果:
- 在TLMS预测中, PARASIDE实现了2.444的平均平方误差 (MSE) 和1.181的平均绝对误差 (MAE).
- 帕拉西德的表现优于QOS/QLMS基线,该基线的MSE为3.784,MAE为1.445.
- 细分精度很高,平均子相似系数为0.882 ± 0.138,平均对称表面距离 (ASSD) 为0.311 ± 0.354毫米.
结论:
- PARASIDE提供了第一个用于T1加权MRI的全鼻鼻细分的自动化.
- 该系统使用定量特征准确预测CRS严重程度,超过现有的体积计分方法.
- PARASIDE为临床工作流提供了一个可重复的,客观的工具,有可能减少变化并加速报告.
更多相关视频
09:08Multiple-mouse Neuroanatomical Magnetic Resonance Imaging
Published on: February 27, 2011
13:56The Use of Magnetic Resonance Spectroscopy as a Tool for the Measurement of Bi-hemispheric Transcranial Electric Stimulation Effects on Primary Motor Cortex Metabolism
Published on: November 19, 2014
相关概念视频
Magnetic Resonance Imaging
Imaging Studies IV: Magnetic Resonance Imaging
Resonance and Hybrid Structures
Resonance Structures and Resonance Hybrids
The Lewis structure of a nitrite anion (NO2−) may actually be drawn in two different ways, distinguished by the locations of the N–O and N=O bonds.
Atomic Nuclei: Magnetic Resonance
Resonance
Automatic Processing and Automatic Social Behavior
