European Radiology：如何应用DWI与ADC提高急性缺血性卒中的深度学习模型的分割性能？

2022-05-06 shaosai MedSci原创

现阶段，DWI上人工勾画的高信号病变是训练自动模型的基础真理（GT），可用于分割超急性和急性期的缺血性梗塞，也被用作在CT灌注预测梗死核心和治疗反应方面预后准确性的金标准。

新阶段，临床上已经开展了对缺血性卒中的超急性、急性、亚急性和慢性阶段的MRI自动分割。长期以来，DWI上人工勾画的高信号病变被认为是训练自动模型的基础真理（GT），可用于分割超急性和急性期的缺血性梗塞，也被用作在CT灌注预测梗死核心和治疗反应方面预后准确性的金标准。

然而，自动分割的性能在不同的研究中差异很大，预测和GT之间的Dice相似性系数（DSCp）从0.28到0.89不等。到目前为止，观察者、ADC阈值和卒中大小对急性缺血性卒中（AIS）病变分割性能的作用还没有在一项研究中得到充分研究。

近日，发表在European Radiology杂志的一项研究探讨了观察者、ADC阈值和病变大小对基于DWI的AIS深度学习模型（DLMs）的分割性能的作用，为快速、准确的诊断及评估梗死区域及治疗效果提供了有价值的参考。

本研究将12个DLMs在76名AIS患者的DWI-ADC-ADC组合上进行了训练，使用了6个不同的ADC阈值，由2名观察者手动勾画出GT，并由同一医院的另外67名患者和另一医院的78名患者进行了测试。观察者和DLMs之间的一致性通过Bland-Altman图和类内相关系数（ICC）进行评估。用Dice相似系数（DSC）来评估观察者定义的GT和DLMs进行的自动分割之间的相似性。小组比较采用Mann-Whitney U检验。DSC和ADC阈值以及AIS病变大小之间的关系通过线性回归分析进行评估。P<0.05被认为具有统计学意义。

本研究结果在手动分割中取得了良好的观察者间一致性和观察者内重复性（所有ICC>0.98，p<.001）。在ADC阈值为0.6×10^-3 mm²/s的情况下，结合DWI，GT的95%协议极限从11.23 cm²降低到0.59 cm²。DLMs的分割性能得到改善，总体DSC从DWI上的0.738±0.214提高到0.971±0.021，ADC与DWI组合的阈值为0.6×10^-3 mm²/s。

图1 一名56岁男性AIS患者的轴位DWI、T2WI和ADC图，涉及右侧大脑中动脉供血区域，在症状发生后116小时进行了MR检查。在T2WIm上显示为高信号，在ADCm上显示为等信号，仅在ADC阈值为0.6×10^-3 mm²/s时，成功地消除了GT和预测

本研究表明，结合ADC阈值可以提高使用DLMs的DWI AIS分割性能。加入0.6×10^-3 mm²/s的ADC阈值有助于消除观察者之间的差异，以实现AIS病变的最佳分割性能。

原文出处：

Chun-Jung Juan,Shao-Chieh Lin,Ya-Hui Li,et al.Improving interobserver agreement and performance of deep learning models for segmenting acute ischemic stroke by combining DWI with optimized ADC thresholds.DOI:10.1007/s00330-022-08633-6.

作者：shaosai

版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言