Atlas-Free自动化的性能评估脑损伤分类的分类方法渐进多焦点的脑白质病(4958)

摘要目的:探索一个自动化的可行性方法分割和量化的白质病变的渐进多焦点的脑白质病(PML)。

背景:PML是一种罕见的,常常是致命的感染引起的JC多瘤病毒,几乎只发生在细胞免疫受损的人。磁共振成像(MRI)显示典型的多焦点的hyperintense病变在T₂三图像影响皮层下白质和后颅窝结构。MRI有助于监测PML疾病过程和发展的成像进行定量测量的疾病负担的结果,将是很有价值的。因此,我们试图开发一个自动化方法的大脑分类使用衍生特性(C-DEF)优化分割的PML病变。

设计/方法:使用串行核磁共振成像的PML测试主题,白质病变在T手动分割₁三、fluid-attenuated反转恢复(天赋)图像。CDEF被训练使用这些“金本位”大脑分割面具来识别健康的灰质和白质和PML病变。一旦CDEF对测试问题进行优化,该算法应用于图像从7获得额外的PML的病人。

结果:CDEF测试方面表现良好,平均骰子CDEF之间的系数和标准分类0.73病变,0.97灰质,白质和0.99。应用到更大的群体,然而,是相对贫穷。一般来说,准确地分割幕上的病变,包括小病灶。然而,CDEF常常被误诊室周的地区,小脑病变区域和健康的灰质。

结论:快速和可靠的PML量化损伤监测疾病进展和稳定的负担是可取的PML,然而,这仍然是具有挑战性的由于不均匀,广泛的PML病变的性质。初步结果表明CDEF可以发展成为一个有用的工具来衡量疾病负担通过结合不同的核磁共振序列改进CDEF的分割质量。

披露:科尔布博士没有披露。Reich博士接到Vertex.Dr研究支持。Cortese没有披露。奈尔博士没有披露。