Los puntos clave no están disponibles para este artículo en este momento.
Las hipointensidades de sustancia blanca (WMH) son manifestaciones de imagen que se observan con frecuencia en varios trastornos neurológicos, aunque la aplicación clínica de la cuantificación de WMH es limitada. En este estudio, diseñamos una serie de protocolos de etiquetado dedicados a WMH y propusimos una red neuronal convolucional llamada 2D VB-Net para la segmentación de WMH y otras lesiones intracraneales coexistentes basadas en un gran conjunto de datos de 1,045 sujetos de diversos grupos demográficos y múltiples escáneres utilizando protocolos de cortes gruesos en 2D que se aplican más comúnmente en la práctica clínica. Usando nuestra tubería de etiquetado, la consistencia de Dice de las regiones de WMH dibujadas manualmente por dos observadores fue de 0.878, lo que proporcionó una sólida base para el desarrollo y evaluación del sistema de segmentación automática. El algoritmo propuesto superó a otros métodos de vanguardia (uResNet, 3D V-Net y red del Grupo de Geometría Visual) en la segmentación de WMH y otras lesiones intracraneales coexistentes y fue bien validado en conjuntos de datos con imágenes de resonancia magnética (RM) de cortes gruesos y el conjunto de datos del Desafío de Segmentación de WMH de 2017 en computación de imágenes médicas e intervención asistida por computadora (con imágenes de RM de cortes delgados), todos mostrando una excelente efectividad. Además, nuestro método puede subclassificar WMH para mostrar las distribuciones de WMH y es muy ligero. Adicionalmente, en términos de correlación con puntajes de evaluación visual, nuestro algoritmo mostró una excelente consistencia con las delineaciones manuales y fue en general mejor que las de otros métodos competidores. En conclusión, desarrollamos un marco de cuantificación automática de WMH para múltiples escenarios de aplicación, exhibiendo un futuro prometedor en la práctica clínica.
Zhu et al. (Fri,) estudiaron esta cuestión.