用于髋关节关节软骨定性 T1ρ 成像的系统化后处理方法
图像与视频处理
2024-09-20 v1
摘要
目的：建立用于髋关节关节软骨定量自旋晶格 relax 时间常数在旋转框架中的 T1ρ 成像的自动化管道。设计： proposed后处理管道以图像标准化程序开头，随后采用深度学习基于分割生成软骨掩码。关节软骨随后被自动分割为20个亚区域，其中进行 T1ρ 定量化。该 proposed管道在包括10名健康志愿者和30名髋关节骨风湿病患者的髋关节 T1ρ 图像数据集上进行了回顾性验证。开展了三项实验，即评估分割模型性能(使用 Dice 相似系数 DSCs)；评估标准化的影响；以及测试 T1ρ 定量化准确性(使用配对 t 检验; 均方根偏差 RMSDs; 以及 RMSDs 的偏差系数 CV_RMSD)。统计显著性设置为 p<0.05。结果：在模型预测的掩码与手动分割标签之间的亚区域 T1ρ 定量化之间存在显著一致性。在患者中，17个20个亚区域，在健康志愿者中，18个20个亚区域均显示预测值与参考 T1ρ 定量化之间不存在显著差异。患者的平均 RMSD 为 0.79 ms，健康志愿者为 0.56 ms，而平均 CV_RMSD 分别为患者和健康志愿者分别为 1.97% 和 1.38%。Bland-Altman 图显示，在患者和健康志愿者的所有亚区域中均不存在显著偏差。结论：该 proposed管道可以对髋关节关节软骨的定量 T1ρ 图像进行自动且可靠的后处理。
引用
@article{arxiv.2409.12600,
title = {A Systematic Post-Processing Approach for Quantitative $T_{1\rho}$ Imaging of Knee Articular Cartilage},
author = {Junru Zhong and Yongcheng Yao and Fan Xiao and Tim-Yun Michael Ong and Ki-Wai Kevin Ho and Siyue Li and Chaoxing Huang and Queenie Chan and James F. Griffith and Weitian Chen},
journal= {arXiv preprint arXiv:2409.12600},
year = {2024}
}
备注
Junru Zhong and Yongcheng Yao share the same contribution. Work was partially done when Yongcheng Yao and Siyue Li was with CUHK