基于定量 T2 弛豫测量与深度学习的膝关节软骨退化亚区自动评估开源软件
计算机视觉与模式识别
2020-12-24 v1 定量方法
组织与器官
摘要
目的：我们评估一种全自动股骨软骨分割模型，用于利用多回波自旋回波（MESE）MRI 测量 T2 弛豫值及其纵向变化。我们已开源该模型及相应分割结果。方法：我们训练了一个神经网络，从 MESE MRI 中分割股骨软骨。软骨沿内外侧、浅深层和前中后边界划分为 12 个亚区。使用肌骨放射科医生的分割（阅片者 1）和模型的分割计算亚区 T2 值及四年变化。使用 28 张留出图像进行比较。其中 14 张图像的子集也由第二位专家（阅片者 2）评估以作比较。结果：模型分割与阅片者 1 分割的 Dice 分数为 0.85 ± 0.03。模型对各亚区 T2 值的估计与阅片者 1 一致，平均 Spearman 相关系数为 0.89，平均平均绝对误差（MAE）为 1.34 ms。模型对各区域 T2 四年变化的估计与阅片者 1 一致，平均相关系数为 0.80，平均 MAE 为 1.72 ms。在 Dice 分数（0.85 对 0.75）和亚区 T2 值方面，模型与阅片者 1 的一致程度至少不低于阅片者 2 与阅片者 1 的一致程度。结论：我们提出了一种快速、全自动的 MESE MRI 分割模型。使用其分割的软骨健康评估与专家评估的一致程度，可与专家间相互一致程度相媲美。这有潜力加速骨关节炎研究。
引用
@article{arxiv.2012.12406,
title = {Open source software for automatic subregional assessment of knee cartilage degradation using quantitative T2 relaxometry and deep learning},
author = {Kevin A. Thomas and Dominik Krzemiński and Łukasz Kidziński and Rohan Paul and Elka B. Rubin and Eni Halilaj and Marianne S. Black and Akshay Chaudhari and Garry E. Gold and Scott L. Delp},
journal= {arXiv preprint arXiv:2012.12406},
year = {2020}
}