La detección oportuna y la segmentación precisa de las lesiones por accidente cerebrovascular isquémico agudo AIS en las imágenes de resonancia magnética IRM son esenciales para el paciente que realiza el triaje para la terapia endovascular. La segmentación de la lesión es un proceso rutinario en el que las áreas anormales dentro de las imágenes del cerebro se seleccionan cualitativa y manualmentepor radiólogos expertos. Sin embargo, la segmentación manual de las lesiones lleva mucho tiempo y se ve afectada por el sesgo del operador. En consecuencia, aún no se han introducido enfoques eficientes y de bajo costo para el cribado de lesiones AIS.
Esta investigación presenta una técnica novedosa y totalmente automatizada para la detección y segmentación de lesiones AIS en IRM y clasificación de imágenes en accidente cerebrovascular y sin accidente cerebrovascular. Este método de detección de anomalías totalmente automatizado compara imágenes ponderadas por difusión DWI y coeficientes de difusión aparentes ADC de los sujetos con un grupo de imágenes sanas a nivel de vóxel. Las áreas con hiperintensidad en DWI e hipointensidad en ADC se identifican como lesiones y se guardan como máscaras de lesiones. El método de segmentación de lesiones se investigó en aproximadamente 100 casos.Debido a un riesgo de identificación falsa de la lesión debido a los artefactos, ruidos y baja resolución de la imagen, las máscaras de lesión creadas por el método se examinan y filtran a través de un clasificador binario que confirma que la máscara de lesión creada contiene una lesión AIS real o no.El rendimiento de la clasificación se evaluó en aproximadamente 200 IRM.
Los resultados publicados en el Revista de métodos de neurociencia muestre un buen acuerdo con las lesiones dibujadas manualmente por expertos estándar de oro. Todo el enfoque, incluida la segmentación de lesiones y la clasificación de imágenes, es sencillo, rápido y no requiere una gran capacidad de cálculo y memoria.
"Creemos que este método tiene la capacidad de implementarse en una estación de trabajo de escritorio ordinaria integrada en las tuberías de diagnóstico clínico de rutina de los hospitales. Este enfoque puede ayudar a los radiólogos a acelerar el flujo de trabajo de detección de lesiones y reducir el sesgo del operadoren la segmentación de lesiones debido a la reproducibilidad del método ", dice el investigador del proyecto Sanaz Nazari-Farsani del Centro PET de Turku.
Fuente de la historia :
Materiales proporcionado por Universidad de Turku . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :