QSM-RimDS：一种用于多发性硬化症中顺磁性边缘病变的检测与分割工具
摘要
顺磁性边缘病变是多发性硬化症（MS）中一种新兴的生物标志物。在定量磁化率成像（QSM）图像上手动识别 PRLs 并进行边缘分割十分耗时。基于深度学习的 QSM-RimNet 可以提供自动化的 PRL 检测，但该方法无法提供用于小胶质细胞密度定量的边缘分割，且需要精确的 QSM 病灶掩码。本研究旨在开发一种基于 U-Net 的 QSM-RimDS 方法，利用现成的 T2 加权（T2W）液体衰减反转恢复（FLAIR）病灶掩码，联合进行 PRL 检测与边缘分割。两名专家阅片者进行了 PRL 分类和边缘分割作为参考标准。使用 Dice 相似系数（DSC）评估 QSM-RimDS 获得的边缘分割与专家手动分割之间的一致性。在五折交叉验证中，使用受试者工作特征（ROC）和精确率-召回率（PR）曲线评估了 QSM-RimDS 和 QSM-RimNet 的 PRL 检测性能。阅片者共识别出 260 个 PRLs（3.3%）和 7720 个非 PRLs（96.7%）。与专家边缘分割相比，QSM-RimDS 在五折验证中提供了 0.57 \pm 0.02 的平均 DSC，其中 73.8pm 5.7% 的 PRLs 具有中至高度一致性（DSC \leq 0.5）。在 PR 曲线上，QSM-RimDS 产生了更好且更一致的检测性能，平均曲线下面积（AUC）为 0.754 \pm 0.037，而 QSM-RimNet 为 0.514 \pm 0.121（提升 46.7%）；在 ROC 曲线上则为 0.956 \pm 0.034 对比 0.908 \pm 0.073（提升 5.3%）。总之，与 QSM-RimNet 相比，QSM-RimDS 提高了 PRL 检测准确率，并且与 QSM-RimNet 不同，它可以提供合理准确的边缘分割。
引用
@article{arxiv.2412.10492,
title = {QSM-RimDS: A detection and segmentation tool for paramagnetic rim lesions in multiple sclerosis},
author = {Ha Luu and Mert Sisman and Ilhami Kovanlikaya and Tam Vu and Pascal Spincemaille and Yi Wang and Francesca Bagnato and Susan Gauthier and Thanh Nguyen},
journal= {arXiv preprint arXiv:2412.10492},
year = {2025}
}
备注
19 pages, 6 figures