蜜月久综合久久综合国产_7777偷窥盗摄视频_久久国产九九_国产网站免费看 - 人人艹人人爱

編者按：深度學習技術正被廣泛應用于各個行業中完成圖像分割和配準等任務。然而，目前基于頸動脈斑塊組學信息的相關研究，數量有限，多為回顧性，多集中于超聲圖像，且參考標準多為手動分割結果或磁共振分析結果。后續需要進行大樣本、多中心的前瞻性研究，以提供更有價值的信息，推動這些先進技術在臨床實踐中的廣泛應用。

本文匯總了兩篇原始研究和一篇綜述，主題都是易損斑塊診斷技術與人工智能，都用到或提到了MRI-PlaqueView（該分析系統的底層技術原理是基于病理學切片結果比對所識別的斑塊成分）,以饗讀者：

01/ MRI：基于深度學習的頸動脈斑塊自動分割技術

背景：動脈粥樣硬化是心血管事件獨立危險因素。超聲（US）檢查頸動脈斑塊，因觀察者之間的差異較大而難以用肉眼分類。高分辨率磁共振（MRI）斑塊成像，相對于CT和US，具有更好的組織對比度，結合不同的對比度加權可能提供更有用的信息。醫學圖像包含大量信息，深度學習技術正被廣泛應用于各個行業中完成圖像分割和配準等任務。然而，目前尚未有基于頸動脈斑塊MRI組學信息的相關研究。

目的：基于深度學技術，通過MRI圖像，識別頸動脈斑塊，評估中風風險。

方法：我們使用了經過預訓練的YOLO V3、Mobile Net和RCNN模型，對它們進行了微調，并根據我們的數據集調整了超參數,自動分割頸動脈斑塊MRI圖像以評估中風風險。（文中直接將納入分析的265受試者的斑塊分為高危（n=116）和低危(n=149)，且使用MRI-PlaqueView軟件識別分析頸動脈斑塊成分，以此為標準，評估深度學習算法的表現）。

結果與結論：在識別頸動脈斑塊以評估中風風險方面，我們訓練的YOLO V3模型達到了94.81%的準確率，RCNN達到了92.53%的準確率，MobileNet達到了90.23%的準確率。本研究表明，該方法在磁共振成像（MRI）數據進行分類方面產生了可接受的結果。

02/ 超聲：基于深度學習的頸動脈斑塊自動分割技術

目的：本文旨在開發一種基于深度卷積神經網絡的新型算法，通過多普勒超聲圖像對頸動脈斑塊進行自動分割和中風風險評估。

方法：本研究納入568例頸動脈斑塊的超聲掃描，使用ResNet50、Inception_v3和RPN進行醫學圖像的特征提取，使用RELU作為激活函數。使用增強的數據集用于訓練和預測，并進行實驗結果比較。

對于深度學習分割算法而言，第一步是確定訓練和測試標準。自動分割結果的評估必須參考手動分割的結果。在568例頸動脈多普勒超聲掃描中，數據由兩名專業影像診斷助理進行手動分割,彼此之間不能看到對方的分割結果。為了獲得更可靠的評估標準，隨機選擇了50例頸動脈多普勒超聲掃描，由兩位有多年工作經驗的醫師進行手動分割。計算這些手動分割結果中斑塊的差異并取平均值，作為本研究中模型訓練的標簽。此外，我們使用MRI掃描技術，基于MRI-PlaqueView軟件構建了的頸動脈斑塊三維圖像，進一步確認斑塊的存在。注：MRI-PlaqueView產生的3D圖像

結果與結論：。我們基于深度學習框架來實現了多普勒超聲圖像的自動分割，開發了超聲影像-易損斑塊診斷（UI-VPD）系統。我們使用ResNet50、Inception_v3等模型進行特征提取和訓練，獲得了最高的92.94%的準確率，優于傳統方法，這暗示著該技術有望為臨床藥物干預提供可靠而靈活的方法。

03/ 綜述：人工智能在頸動脈易損斑塊分類和分割方面的應用

頸動脈易損斑塊破裂是急性缺血性中風最常見的原因。近年來，頸動脈易損斑塊成像技術取得了巨大進展。血管壁高分辨率磁共振成像（VW-HRMRI）是表征頸動脈易損斑塊最適合和成本效益最高的成像技術，對促進早期診斷和指導臨床治療以降低缺血性中風起著重要作用。本綜述總結了基于VW-HRMRI和四維流動MRI (4D flow MRI)在表征頸動脈易損斑塊和血流動力學特征的發展。此外，還回顧了人工智能在斑塊分類和分割方面的應用。

VW-HRMRI、4D flow MRI和人工智能可以提高易損斑塊評估的效率和準確性，對指導臨床積極治療以降低斑塊破裂和中風的風險具有重要意義。然而,

• VW-HRMRI對硬件和軟件有較高的要求(基于VW-HRMRI的自動斑塊分析軟件主要有MRI-Plaque View和VesselMass，可以量化分析斑塊體積和LRNC、IPH、鈣化等)，檢查時間較長。常用斑塊量化分析參數如下：

• 4D flow MRI研究和應用仍然很少，主要的硬件制造商尚未完全商業化。常用血流動力學參數如下：

• 關于動脈粥樣硬化斑塊的放射組學研究是回顧性的，多集中于超聲圖像，無法確定其預測中風風險的能力。基于深度學習的頸動脈斑塊相關研究匯總如下:

因此，后續需要進行大樣本、多中心的前瞻性研究，以提供更有價值的信息，并最終推動這些先進技術的廣泛應用于高效的臨床實踐中。