SCOPE-MRI：以肩袋损伤为案例研究的数据精选与深度学习
图像与视频处理
2025-12-02 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
深度学习在肌肉骨骼成像方面表现出强大的性能，但先前工作主要针对诊断相对 straightforward 的疾病。更具挑战性的问题仍未得到充分探索，例如在标准MRI上检测肩袋损伤(前内侧髋环损伤)。这些损伤由于亚细节成像特征而难以诊断，常需进行侵入性MRI注射剂(MRAs)。我们引入ScopeMRI，这是第一个公开可用、由专家标注的肩部病理数据集，并为肩袋损伤在标准MRI和MRAs上的检测提出深度学习框架。ScopeMRI包含来自接受关节镜手术的患者肩部MRI，提供来自手术发现的诊断金标准。针对MRI和MRAs分别训练了基于CNN和变换器架构的模型，并对多个成像平面进行集成预测。我们的模型实现了相当于放射科医师的性能，在标准MRI上准确率超过解释MRAs的放射科医师。外部验证在独立医院数据上显示出初始的跨协议通用性。通过发布ScopeMRI以及用于训练和评估的模块化代码基，我们旨在加速肌肉骨骼成像研究，促进针对临床具有挑战性诊断任务的数据集和模型的开发。
引用
@article{arxiv.2504.20405,
title = {SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses},
author = {Sahil Sethi and Sai Reddy and Mansi Sakarvadia and Jordan Serotte and Darlington Nwaudo and Nicholas Maassen and Lewis Shi},
journal= {arXiv preprint arXiv:2504.20405},
year = {2025}
}
备注
This version of the article has been accepted for publication at Nature Partner Journal (NPJ) Artificial Intelligence, but is not the Version of Record and does not reflect post-acceptance improvements or any corrections. The Version of Record is available online at: http://dx.doi.org/10.1038/s44387-025-00043-5