深度学习框架用于多发性硬化症中自动化MRI平面测量
Stephanie Mangesius1,2, Daniela Schiefeneder3, Matthias Schwab1
1Department of Radiology, Medical University of Innsbruck, Innsbruck, Austria, i-med.ac.at.
International journal of biomedical imaging
|March 9, 2026
概括
这项研究引入了用于多发性硬化症 (MS) 磁共振成像 (MRI) 平面测量的自动化深度学习框架. 人工智能工具准确地测量脑干变化,改善残疾预测和疾病监测.
科学领域:
- 神经成像是一种神经成像.
- 人工智能在医学中的应用
- 神经学 神经学
背景情况:
- 大脑体积的变化和脑下干涉对于预测多发性硬化症 (MS) 的残疾至关重要.
- 磁共振成像 (MRI) 平面测量为评估这些变化提供了一个强大的方法,但传统的手动测量耗时且容易产生偏差.
- 目前的平面测量依赖于手动,无盲目的专家分析,限制了其可扩展性和可重复性.
研究的目的:
- 开发和验证一个完全自动化的深度学习框架,用于从MRI中获得脑干平面度测量.
- 为了提高MRI平面测量对MS评估的客观性,可靠性和可扩展性.
- 支持在MS患者中更准确地监测疾病进展和治疗反应.
主要方法:
- 创建了一个深度学习管道,整合了自动中平面 (MSP) 检测.
- 一个卷积神经网络 (CNN) 被训练来执行平面测量所必需的细分.
- 自动化框架与不同MRI扫描仪和协议的手动测量得到了验证.
主要成果:
- 自动化框架显示出与手动平面测量测量有很强的一致性.
- 该方法在各种扫描仪和采集协议中被证明是稳健和一致的.
- 深度学习方法成功地自动化了平面测量所需的复杂细分任务.
结论:
- 拟议的自动化框架可以实现可靠,可重复和可扩展的MRI平面测量.
- 这种人工智能驱动的方法可以克服手工测量的局限性,减少偏差和时间.
- 该工具支持客观评估多发性硬化症疾病进展和治疗疗效.
