改进脊髓磁共振图像的解读
一组研究人员在生物医学图像的联合研究单位促进基金会的瓦伦西亚地区的健康和生物医学研究(Fisabio)和普林西比菲利普研究中心基金会(CIPF)开发了一个软件来提高解剖结构的自动检测脊髓磁共振图像。ob欧宝直播nba
现有的方法不具备检测椎体、椎间盘、神经或血管等元素的能力。因此,本研究的主要目的是解决这些问题的基础上,利用自动分割磁共振图像。
语义分割由一种算法的使用组成,该算法能够将一个类别与图像中呈现的每个像素相关联。在这种情况下,它是有用的区分像素的图像对应的椎骨,神经等。
Jhon Jairo Saénz,这篇文章的主要作者,解释说:“腰椎痛的高发病率和腰椎磁共振成像提供的大量解剖细节使其成为检测骨骼和脊髓异常的有价值的工具。在这方面,用来突出有趣的结构、器官和病理的方法就是分割。”
第25届国际国际纪念品展示由Jhon JairoSáenzGamboa,MaríadaIglesia-Vayá和JonAndergómezAdrián提出了“通过卷积神经网络与腰部地区的结构元素与腰部脊髓脊髓有关的结构元素的自动语义分割。模式识别会议。这是关于模式识别,计算机学习和计算机愿景领域的主要世界会议之一。
如今,分析脊髓磁共振图像的过程首先需要放射科医生的检查。然后,为了改善诊断,必须由数据工程师或放射学专家教授的科学家来进行语义分割。
“这种解释图像的方式是缓慢的,而且取决于观察者的变化。因此,开发能够可靠检测和量化主干结构和组织的自动方法引起了人们极大的兴趣。其目的是为这些图像的检查提供放射学服务,提高诊断的安全性,并减少所需的时间。”Jhon Jairo说。
该研究解决了现有方法存在的一些问题。例如,它实现了高质量的语义分割,可以作为手工分割更多磁共振图像的起点。
Jairo说:“由于包含了相互依赖的相邻区域的结构发现,自动检测椎骨结构将有助于基于发病机制(考虑到涉及疾病发展的所有因素)的诊断。”
结构相关性的发现将有助于发现了解脊柱疾病所需的病理联系,并推动新的治疗。
这项工作可以提高解读磁共振成像的敏感性患者脊髓CIPF的神经元和组织再生小组组长维多利亚·莫雷诺(Victoria Moreno)表示,这对治疗后的病变进展具有重要的诊断和预后意义,她在那里研究治疗这类病变的新疗法。
卷积神经网络
本工作所提出的技术是基于应用卷积神经网络(CNN)。卷积神经网络是一种用图像训练的深度学习算法,并对图像中的某些元素赋予重要性,以区分它们。
Jairo说:“我们的系统可以进行高质量的语义分割,可以检测腰椎区域多达11种不同的结构,而目前的算法只专注于自动分割椎骨或椎间盘。”
同时分割由于考虑了不同部位的损伤,它允许建立病理相关性,因此具有重要的临床意义。
基于CNN提出的架构已经在瓦伦西亚协会(BIMCV)健康图像库要求的一组腰椎磁共振图像中进行了测试。这些图像属于75个研究案例,其中41个女性,34个男性。
进一步探索
用户评论