多参数体 MRI 系列的自动分类
图像与视频处理
2024-05-15 v1 人工智能
摘要
多参数 MRI（mpMRI）在临床实践中广泛可用于诊断各种疾病。随着 mpMRI 检查数量年年增加，伴随着DICOM 头信息字段中存在不准确之处。这使得无法利用头信息对不同系列进行排列，需依赖放射科医生进行校正。在本 pilot 研究中，我们提出一种自动框架，用于对 8 种不同 mpMRI 系列进行分类。我们使用 1,363 例由三台 Siemens 扫描仪获取的检查数据训练 DenseNet-121 模型，并采用 5 折交叉验证。随后，我们在 313 例保留下来的测试集上评估了 DenseNet-121 ensemble 的性能。该方法在 MRI 系列分类任务中实现了平均精确率为 96.6%，灵敏度为 96.6%，特异度为 99.6%，F1 分数为 96.6%。据我们所知，我们是首个开发用于对胸部、腹部和骨盆水平获取的 mpMRI 系列类型进行分类的方法。该方法具备在现代放射科实践中实现挂牌协议自动化的能力。
关键词
引用
@article{arxiv.2405.08247,
title = {Automated classification of multi-parametric body MRI series},
author = {Boah Kim and Tejas Sudharshan Mathai and Kimberly Helm and Ronald M. Summers},
journal= {arXiv preprint arXiv:2405.08247},
year = {2024}
}