AI驱动的MRI脊柱病理检测：面向多样化临床环境的自动化诊断综合深度学习方法
图像与视频处理
2025-03-31 v2 计算机视觉与模式识别
摘要
研究设计：本研究开发了一个用于MRI脊柱病理检测的自主AI系统，该系统在来自印度各地不同医疗机构的200万次MRI脊柱扫描数据集上训练。AI系统集成了先进架构，包括Vision Transformers、带交叉注意力的U-Net、MedSAM和Cascade R-CNN，实现了对43种不同脊柱病理的综合分类、分割和检测。数据集在年龄组、性别和扫描仪制造商之间保持平衡，以确保鲁棒性和适应性。进行了亚组分析以验证模型在不同患者人口统计、成像条件和设备类型上的性能。性能：AI系统实现了高达97.9%的多病理检测，在年龄、性别和制造商亚组中表现一致。正常与异常分类达到了98.0%的准确率，该系统已在印度13家主要医疗企业部署，包括诊断中心、大型医院和政府机构。在部署期间，它处理了约10万多次MRI脊柱扫描，通过自动化常见脊柱疾病的识别，减少了报告时间并提高了诊断效率。结论：AI系统的高精确率和召回率验证了其作为自主正常/异常分类、病理分割和检测的可靠工具的能力。其可扩展性和适应性解决了关键的诊断差距，优化了放射科工作流程，并改善了印度不同医疗环境中的患者护理。
引用
@article{arxiv.2503.20316,
title = {AI-Driven MRI Spine Pathology Detection: A Comprehensive Deep Learning Approach for Automated Diagnosis in Diverse Clinical Settings},
author = {Bargava Subramanian and Naveen Kumarasami and Praveen Shastry and Raghotham Sripadraj and Kalyan Sivasailam and Anandakumar D and Abinaya Ramachandran and Sudhir MP and Gunakutti G and Kishore Prasath Venkatesh},
journal= {arXiv preprint arXiv:2503.20316},
year = {2025}
}
备注
20 pages , 3 figurea