基于临床指南驱动的听神经瘤自动化线性特征提取
图像与视频处理
2024-06-05 v1 计算机视觉与模式识别
机器学习
摘要
听神经瘤是一种源于某条平衡神经的良性脑肿瘤。患者可能接受手术、放射外科或保守的“等待与扫描”策略治疗。临床医生通常使用手动提取的线性测量来辅助临床决策。本研究旨在利用基于深度学习的分割，通过计算算法提取相关临床特征，从而实现并改进该过程。据我们所知，我们的研究首次提出一种自动化方法来复现本地临床指南。基于深度学习的分割在 T2 加权 MRI 的脑外和整体肿瘤区域分别提供了 0.8124 ± 0.2343 和 0.8969 ± 0.0521 的 Dice 分数，而在 T1 加权 MRI 上分别获得了 0.8222 ± 0.2108 和 0.9049 ± 0.0646。我们提出了一种新颖算法，基于肿瘤脑外部分的大小，从分割区域中选择并提取最合适的最大线性测量。借助该工具，临床医生将获得与肿瘤进展相关的可视化指南及指标，作为临床决策辅助。在本研究中，我们使用了来自英国一家三级专科神经外科服务的 50 名患者的 187 次扫描。由专家神经放射科医生手动提取的测量值与自动化测量值显示出显著相关性（p < 0.0001）。
引用
@article{arxiv.2310.19392,
title = {A Clinical Guideline Driven Automated Linear Feature Extraction for Vestibular Schwannoma},
author = {Navodini Wijethilake and Steve Connor and Anna Oviedova and Rebecca Burger and Tom Vercauteren and Jonathan Shapey},
journal= {arXiv preprint arXiv:2310.19392},
year = {2024}
}
备注
SPIE Medical Imaging