背景
在多发性硬化(MS)中经增强对比剂注射后MRI中病灶的强化提示病变的活动性。 在不适用增强对比剂的情况下预测强化病灶的方法是令人满意的。
目的
本研究旨在评价是否深度学习能够在不使用增强对比剂的情况下检查MRI中的强化病灶。
材料与方法
利用卷积神经网络对非增强MRI扫描中强化病灶进行分类。对病灶的每一层进行分类,利用整体连接网络联合层面评分进行个异性预测。共输入了1008例患者的1970次多参数MRI检查数据。以强化后T1加权图像中的强化病灶作为参考标准。利用5倍交叉验证评价神经网络的效能,包括病变检出率和ROC曲线下面积(AUC)。
结果
在1008例患者的MRI检查中,共有519例患者至少有1处强化病灶。经5倍交叉验证平均后基于每层的病灶预测的敏感性和特异性分别为78% ± 4.3、73% ± 2.7。基于每层和基于每例患者病灶强化的诊断效能(AUC)分别为0.82 ± 0.02、0.75 ± 0.03。
结论
利用深度学习联合常规MRI平时检出多发性硬化患者可强化病灶具有中-高的准确性。Narayana PA 1,
原地出处:
Coronado I, Sujit SJ. Et al. Deep Learning for Predicting Enhancing Lesions in Multiple Sclerosis from Noncontrast MRI.DOI:10.1148/radiol.2019191061