多发性硬化症脑部MRI研究中病变分割算法的共识

2024-09-12 Scientific Reports 发表于上海

我们应用基于共识的框架来改进 T1 加权和液体衰减反转恢复（FLAIR）扫描中的病变分割。该框架旨在结合公开可用的先进深度学习模型，在合并每个算法的输出之前运行多个分割任务。

中文标题：

英文标题：

Consensus of algorithms for lesion segmentation in brain MRI studies of multiple sclerosis

发布机构：

发布日期：

2024-09-12

简要介绍：

在多发性硬化症（MS）患者的脑部 MRI 扫描中对病变进行分割对于诊断、疾病监测和治疗监测至关重要，但这是一项耗时的任务。尽管已经提出了几种自动化算法，但对于最有效的方法仍未达成共识。在此，我们应用基于共识的框架来改进 T1 加权和液体衰减反转恢复（FLAIR）扫描中的病变分割。该框架旨在结合公开可用的先进深度学习模型，在合并每个算法的输出之前运行多个分割任务。为了评估该方法的有效性，我们将其应用于来自两个不同中心的 MRI 数据集，包括一个私有数据集和一个公共数据集，分别有 131 名和 30 名 MS 患者，并且有手动分割的病变掩码可用。对于任何包含的算法都没有进行进一步的训练。重叠和检测分数得到了改善，对于私有数据集和公共数据集，Dice 系数分别增加了 4% - 8%，精度分别增加了 3% - 4%。在估计的病变负荷和真实病变负荷之间（ρ = 0.92 和 ρ = 0.97）以及病变计数之间（ρ = 0.83 和 ρ = 0.94）获得了高度一致性。总体而言，该框架利用互补特征并克服了单个算法的一些局限性，确保了准确可靠的结果。

相关资料下载：

GetToolGuiderByIdResponse(projectId=1, id=2367e1c00395a8ad, title=多发性硬化症脑部MRI研究中病变分割算法的共识, enTitle=Consensus of algorithms for lesion segmentation in brain MRI studies of multiple sclerosis, guiderFrom=Scientific Reports, authorId=0, author=, summary=我们应用基于共识的框架来改进 T1 加权和液体衰减反转恢复（FLAIR）扫描中的病变分割。该框架旨在结合公开可用的先进深度学习模型，在合并每个算法的输出之前运行多个分割任务。, cover=https://img.medsci.cn/20240924/1727155526363_8538692.jpg, journalId=0, articlesId=null, associationId=0, associationName=, associationIntro=, copyright=0, guiderPublishedTime=Thu Sep 12 00:00:00 CST 2024, originalUrl=, linkOutUrl=, content=<div class="message-box-content-wrapper-nDROih" style="color: #1c1f23;"> <div class="message-content message-box-content-lcvP3O receive-message-box-content-Ak2lgP samantha-message-box-content-h0ZP5s" style="color: var(--color-neutral-100,#000);" data-testid="message_content"> <div class="container-p2nY4f flow-markdown-body theme-samantha-D0_4Ug" dir="ltr" style="color: var(--color-text-primary);" data-testid="message_text_content" data-show-indicator="false"> <div class="auto-hide-last-sibling-br paragraph-u1TS5p paragraph-element br-paragraph-space" style="color: var(--md-box-samantha-normal-text-color) !important;">在多发性硬化症（MS）患者的脑部 MRI 扫描中对病变进行分割对于诊断、疾病监测和治疗监测至关重要，但这是一项耗时的任务。尽管已经提出了几种自动化算法，但对于最有效的方法仍未达成共识。在此，我们应用基于共识的框架来改进 T1 加权和液体衰减反转恢复（FLAIR）扫描中的病变分割。该框架旨在结合公开可用的先进深度学习模型，在合并每个算法的输出之前运行多个分割任务。为了评估该方法的有效性，我们将其应用于来自两个不同中心的 MRI 数据集，包括一个私有数据集和一个公共数据集，分别有 131 名和 30 名 MS 患者，并且有手动分割的病变掩码可用。对于任何包含的算法都没有进行进一步的训练。重叠和检测分数得到了改善，对于私有数据集和公共数据集，Dice 系数分别增加了 4% - 8%，精度分别增加了 3% - 4%。在估计的病变负荷和真实病变负荷之间（ρ = 0.92 和 ρ = 0.97）以及病变计数之间（ρ = 0.83 和 ρ = 0.94）获得了高度一致性。总体而言，该框架利用互补特征并克服了单个算法的一些局限性，确保了准确可靠的结果。</div> </div> </div> </div>, tagList=[TagDto(tagId=972, tagName=多发性硬化症)], categoryList=[CategoryDto(categoryId=17, categoryName=神经科, tenant=100), CategoryDto(categoryId=40, categoryName=影像放射, tenant=100), CategoryDto(categoryId=85, categoryName=指南&解读, tenant=100)], articleKeywordId=972, articleKeyword=多发性硬化症, articleKeywordNum=6, guiderKeywordId=972, guiderKeyword=多发性硬化症, guiderKeywordNum=6, haveAttachments=1, attachmentList=null, guiderType=0, guiderArea=共识, guiderLanguage=1, guiderRegion=2, opened=0, paymentType=, paymentAmount=10, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=4511, appHits=6, showAppHits=0, pcHits=76, showPcHits=4505, likes=0, shares=0, comments=0, approvalStatus=1, publishedTime=Wed Sep 25 10:20:00 CST 2024, publishedTimeString=2024-09-12, pcVisible=1, appVisible=1, editorId=0, editor=FUNNYMAN, waterMark=0, formatted=0, memberCards=[], isPrivilege=0, deleted=0, version=3, createdBy=null, createdName=FUNNYMAN, createdTime=Tue Sep 24 10:14:12 CST 2024, updatedBy=8538692, updatedName=梅斯话题小助手, updatedTime=Tue Sep 24 13:26:04 CST 2024, courseDetails=[], otherVersionGuiders=[], isGuiderMember=false, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=多发性硬化症脑部MRI研究中病变分割算法的共识.pdf)])

多发性硬化症脑部MRI研究中病变分割算法的共识.pdf

下载请点击：

评论区 (0)

#插入话题

插入图片

下载梅斯医学APP，方便讨论，随时阅读！立即前往下载 >>

内科

外科

专科科室

热点

按科室浏览

临床工具

科研工具

其他工具

科研数智化

真实世界研究解决方案

数字化学术传播解决方案

其它

神经科指南

多发性硬化症脑部MRI研究中病变分割算法的共识

相关指南

拓展阅读

科室

工具

服务