概述 NF 2相关神经鞘瘤病(NF 2-SWN)是一种罕见的常染色体显性遗传疾病,由染色体 22q12 上的 NF 2 基因突变引起,特征是神经系统肿瘤,如前庭神经鞘瘤(VS)、脊髓脑膜瘤和周围神经肿瘤。VS 患者可能听力丧失、耳鸣、面部麻痹、以及预期寿命缩短。 鉴于典型测量肿瘤大小方法(线性分析和体积分析)的局限性,准确追踪肿瘤生长的 3D 体积分析越来越受欢迎,但因耗时耗人力限制其在临床实践中的应用。本研究基于人工智能(AI)和机器学习(ML)算法对数据集进行训练,开发自动分割和计算 VS 肿瘤 3D 体积的方法,大大缩短时间并提高图像处理精度。 图像处理 创建概念验证数据集 真实数据集为从耶鲁纽黑文医院和公众招募患者中获得的 143 个 MRI 图像数据,所有用于概念验证(POC)的图像均为 T1 加权增强 MRI 扫描。图像质量由研究人员确定,根据体素大小进行分类:高质量(小于 0.5 × 0.5 × 1.0)、中等质量(小于 1.0 × 1.0 × 1.0)和低质量(大于 1.0 × 1.0 × 1.0)。 将图像数据导入 Simpleware 软件创建肿瘤模型,为突出显示 VS,在包含肿瘤块的选定切片上应用阈值分割,使用 Split regions 工具分离出肿瘤并去除非肿瘤区域体素。考虑到掩膜边界的体素,使用 Paint 工具通过在切片视图的涂画调整缺失和多余的体素。所有模型都由神经放射科医生审查并进行必要的修正。对于分割后的肿瘤掩膜,使用 Volume 工具直接获得其测量的 3D 体积。为可视化肿瘤的形状、大小和生长模式,还创建了脑桥掩膜。使用度量如 DICE 系数将 Simpleware 输出与真实数据注释进行验证。 图:Simpleware 软件中由 MRI 图像手动分割 VS 肿瘤的过程 […]