高信号炎症体积（VHI）：一种基于深度学习的脊柱关节炎炎症负荷定量影像生物标志物
图像与视频处理
2022-08-16 v3
摘要
短时反转恢复（STIR）MRI 在临床实践中广泛用于识别和量化中轴型脊柱关节炎的炎症。然而，STIR 图像的评估受限于需要定性评价，这依赖观察者的经验与专业知识，导致炎症评估存在显著变异性。为解决此问题，我们开发了一种基于深度学习的半自动炎症病灶分割流程，其中先自动生成初始分割，再由放射科医生通过去除多余的分割体素来“清理”分割结果。最终清理后的分割定义了高信号炎症体积（VHI），我们将其提出作为脊柱关节炎炎症负荷的定量影像生物标志物。本研究中使用的数据、代码和模型可在 https://github.com/c-hepburn/Bone_MRI 获取。
引用
@article{arxiv.2106.11343,
title = {Volume of hyperintense inflammation (VHI): a deep learning-enabled quantitative imaging biomarker of inflammation load in spondyloarthritis},
author = {Carolyna Hepburn and Alexis Jones and Alan Bainbridge and Coziana Ciurtin and Juan Eugenio Iglesias and Hui Zhang and Margaret A. Hall-Craggs and Timothy JP Bray and . Joint senior authorship.},
journal= {arXiv preprint arXiv:2106.11343},
year = {2022}
}
备注
35 pages, 12 figures