发布机构：

坎帕尼亚大学“Luigi Vanvitelli”高级医学和外科科学系

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。

多发性硬化症脑部MRI研究中病变分割算法的共识.pdf