用于 MRI 中脊柱结构自动分割与定量测量的 AI 与深度学习
图像与视频处理
2025-03-20 v3 人工智能
摘要
背景：准确的脊柱结构测量对于评估脊柱健康状况和诊断脊椎病、椎间盘突出及狭窄等疾病至关重要。手动测量椎间盘高度和椎管直径的方法具有主观性且耗时。需要自动化解决方案以提高临床实践中的准确性、效率和可重复性。目的：本研究开发了一个自主 AI 系统，用于分割和测量 MRI 扫描中的关键脊柱结构，重点关注颈椎、腰椎和胸椎区域的椎间盘高度和椎管前后径 (AP)。目标是减轻临床医生工作量，提高诊断一致性，并改善评估效果。方法：该 AI 模型利用了包括 UNet、nnU-Net 和 CNN 在内的深度学习架构。它在一个大型专有 MRI 数据集上进行训练，并针对专家标注进行了验证。使用 Dice 系数和分割准确率评估了性能。结果：AI 模型在腰椎、颈椎和背侧脊柱 (D1-D12) 分割中分别达到了 0.94、0.91 和 0.90 的 Dice 系数。它精确测量了椎间盘高度和椎管直径等脊柱参数，展示了鲁棒性和临床适用性。结论：该 AI 系统有效地自动化了基于 MRI 的脊柱测量，提高了准确性并减轻了临床医生的工作量。其在各脊柱区域的一致表现支持了临床决策，特别是在高需求环境中，增强了脊柱评估和患者预后。
引用
@article{arxiv.2503.11281,
title = {AI and Deep Learning for Automated Segmentation and Quantitative Measurement of Spinal Structures in MRI},
author = {Praveen Shastry and Bhawana Sonawane and Kavya Mohan and Naveen Kumarasami and Raghotham Sripadraj and Anandakumar D and Keerthana R and Mounigasri M and Kaviya SP and Kishore Prasath Venkatesh and Bargava Subramanian and Kalyan Sivasailam},
journal= {arXiv preprint arXiv:2503.11281},
year = {2025}
}
备注
16 pages, 2 figures