一种用于肝脏 MRI 序列自动分类的知识引导双路径框架

《Abdominal Radiology》:A knowledge-guided dual-path framework for automated liver MRI series classification

【字体: 大 中 小 】 时间:2026年09月20日 来源:Abdominal Radiology 2.3

编辑推荐:

   摘要目的准确识别肝脏MRI序列对于优化临床工作流程至关重要,然而当前的自动化方法在实际应用中仍存在覆盖范围和稳健性不足的问题。本研究旨在开发一种临床可行的肝脏MRI序列自动分类系统。方法我们开发了一种知识引导的双路径(KDP)框架,该框架整合了两个互补的信息来源:CNN提取的

  

摘要

目的

准确识别肝脏MRI序列对于优化临床工作流程至关重要,然而当前的自动化方法在实际应用中仍存在覆盖范围和稳健性不足的问题。本研究旨在开发一种临床可行的肝脏MRI序列自动分类系统。

方法

我们开发了一种知识引导的双路径(KDP)框架,该框架整合了两个互补的信息来源:CNN提取的图像特征以及来自DICOM头部的元数据(如采集时间、序列描述、b值等)。基于预定义临床规则构建的基于规则的融合模块随后根据这些输入确定每种序列类型的处理路径,从而实现了对所有18个序列类别(包括非增强、动态对比增强(DCE)各期、定量图谱、冠状面序列及其他)的可靠分类。该方法在一个由22家医院的123例患者组成的多中心测试集(2,208个序列)上进行了外部验证。

结果

该方法展现了优异的性能,在内部测试集(n = 7,141个序列)上的宏平均F1分数为97.63%(95% CI: 97.09%-98.09%),在外部多中心测试集(n = 2,208个序列)上为96.76%(95% CI: 95.78%-97.64%)。KDP框架在12个共有类别上显著优于仅使用图像的模型,其宏F1分数为96.50%(95% CI: 95.05%-97.68%),而仅图像模型为91.54%(95% CI: 89.67%-93.12%)(McNemar检验,χ2 = 53.6,p < 0.001)。

结论

该方法能够提供准确且全自动的肝脏MRI序列判别能力。其在多中心数据上经过验证的稳健性凸显了其在临床集成方面的潜力。

目的

准确识别肝脏MRI序列对于优化临床工作流程至关重要,然而当前的自动化方法在实际应用中仍存在覆盖范围和稳健性不足的问题。本研究旨在开发一种临床可行的肝脏MRI序列自动分类系统。

方法

我们开发了一种知识引导的双路径(KDP)框架,该框架整合了两个互补的信息来源:CNN提取的图像特征以及来自DICOM头部的元数据(如采集时间、序列描述、b值等)。基于预定义临床规则构建的基于规则的融合模块随后根据这些输入确定每种序列类型的处理路径,从而实现了对所有18个序列类别(包括非增强、动态对比增强(DCE)各期、定量图谱、冠状面序列及其他)的可靠分类。该方法在一个由22家医院的123例患者组成的多中心测试集(2,208个序列)上进行了外部验证。

结果

该方法展现了优异的性能,在内部测试集(n = 7,141个序列)上的宏平均F1分数为97.63%(95% CI: 97.09%-98.09%),在外部多中心测试集(n = 2,208个序列)上为96.76%(95% CI: 95.78%-97.64%)。KDP框架在12个共有类别上显著优于仅使用图像的模型,其宏F1分数为96.50%(95% CI: 95.05%-97.68%),而仅图像模型为91.54%(95% CI: 89.67%-93.12%)(McNemar检验,χ2 = 53.6,p < 0.001)。

结论

该方法能够提供准确且全自动的肝脏MRI序列判别能力。其在多中心数据上经过验证的稳健性凸显了其在临床集成方面的潜力。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号