卷积神经网络在结节性硬化症患者中用于自动分割结节并量化结节负荷

《Epilepsia》：Convolutional neural networks for automatic tuber segmentation and quantification of tuber burden in tuberous sclerosis complex

本研究开发基于卷积神经网络的自动算法用于结节性硬化症（TSC）患者脑MRI的结节分割与体积量化，测试集Dice系数达0.820，斯皮尔曼相关系数0.984，显著提升TSC研究的标准化与可重复性。

　　

摘要

研究目的

本研究旨在开发一种全自动的算法，用于结节分割和结节体积量化，其性能可与人类神经放射科医生的黄金标准相媲美。

方法

我们使用结节性硬化症（TSC）患者的脑磁共振成像（MRI）数据来训练和验证卷积神经网络（CNN），并通过Dice–S?rensen相似性系数（DSSC）评估其分割效果，并通过Spearman相关系数评估其与神经放射科医生黄金标准在测试集上的结节负荷量化能力。

结果

我们收集了196名患者（57%为男性）的263份MRI数据，年龄中位数为4.3岁（范围3.0–10.1岁）：其中176份用于训练集，39份用于验证集，48份用于测试集。最终模型在测试集中的整体脑部分割效果为DSSC = 0.820（95%置信区间[CI] = 0.799–0.840）；各脑叶的具体结果如下：左侧额叶0.831（95% CI = 0.804–0.850），右侧额叶0.827（95% CI = 0.799–0.853），左侧颞叶0.817（95% CI = 0.779–0.842），右侧颞叶0.834（95% CI = 0.812–0.849），左侧顶叶0.821（95% CI = 0.783–0.856），右侧顶叶0.840（95% CI = 0.810–0.865），左侧枕叶0.832（95% CI = 0.808–0.851），右侧枕叶0.856（95% CI = 0.838–0.871）。CNN在整体脑部和各脑叶的结节体积量化结果与神经放射科医生的评估结果具有高度相关性（Spearman相关系数）：整体脑部为0.984（95% CI = 0.971–0.991），左侧额叶为0.966（95% CI = 0.940–0.981），右侧额叶为0.973（95% CI = 0.952–0.985），左侧颞叶为0.936（95% CI = 0.888–0.964），右侧颞叶为0.967（95% CI = 0.942–0.982），左侧顶叶为0.989（95% CI = 0.980–0.994），右侧顶叶为0.983（95% CI = 0.970–0.990），左侧枕叶为0.992（95% CI = 0.985–0.995），右侧枕叶为0.982（95% CI = 0.968–0.990）（所有p值<0.00001）。

意义

我们成功开发、训练并验证了一种卷积神经网络，该网络在结节负荷量化方面与神经放射科医生的黄金标准具有近乎完美的相关性，能够实现客观的结节分割，从而提高了TSC研究的严谨性和可重复性。

利益冲突声明

所有作者均无需要披露的利益冲突。我们确认已阅读期刊关于伦理出版相关问题的规定，并声明本报告符合这些规定。

数据可用性声明

我们已将模型和全部代码上传至Zenodo平台，网址为：https://doi.org/10.5281/zenodo.17081689。同时，我们还提供了基于Docker的用户友好型模型部署工具包，读者可根据文件S3（预处理说明）和S4（TSCCNN3Ddropout）中的指导自行将模型应用于他们的数据。