[ad_1]

تصویر

تصویر: مدل آموزش عمیق (آبی) و کتابچه راهنمای حقیقت تقسیم زمین (سبز) تصاویر نماینده MR (چپ) و هیدروسفالی (راست) T2 وزنی MR. چشم انداز بیشتر

اعتبار: حق چاپ 2020 AANS.

CHARLOTTESVILLE، VA (1 دسامبر ، 2020). محققان بسیاری از مسسات آمریکای شمالی ابزاری کاملاً خودکار و عمیق (DL) با هوش مصنوعی ایجاد کرده اند که می تواند حجم بطن های مغزی را بر روی تصاویر تصویربرداری با تشدید مغناطیسی (MRI) در کودکان در حدود 25 دقیقه اندازه گیری کند. توانایی کنترل حجم بطن با گذشت زمان در یک محیط بالینی در درمان کودکان و بزرگسالان مبتلا به هیدروسفالی بسیار ارزشمند خواهد بود. جزئیات مربوط به توسعه این ابزار و اعتبارسنجی آن امروز در مقاله جدید “هوش مصنوعی برای تقسیم بندی بطنی خودکار و محاسبه حجم: ابزاری بالینی برای ارزیابی هیدروسفالی کودکان” توسط جنیفر ال. کوون ، دکتر مجله جراحی مغز و اعصاب: اطفال .

هیدروسفالی یک بیماری پاتولوژیک است که به دلیل مقدار بیش از حد مایعات مغزی نخاعی (CSF) در اتاق های مغز به نام بطن ایجاد می شود. این شرایط نتیجه عدم تعادل بین تولید و جذب CSF است. هیدروسفالی هنگامی که مایع مغزی نخاعی می تواند از یک محفظه به اتاق دیگر منتقل شود “ارتباط” نامیده می شود و هنگامی که عبور از یک محفظه به اتاق دیگر مسدود شود “انسداد” است. شیوع هیدروسفالی کودکان تقریباً شش از 10 هزار تولد زنده است. این مشکل “رایج ترین مشکل عصبی قابل جراحی قابل اصلاح در نوزادان ، کودکان و نوجوانان” است.

تشخیص هیدروسفالی بر اساس علائم و نشانه های بالینی و همچنین یافته های بطن های متسع در مطالعات تصویربرداری عصبی است. قرار دادن شانت (سیستم تخلیه داخلی که مایعات مغزی نخاعی اضافی را از مغز تخلیه می کند) رایج ترین روش جراحی است که برای کاهش هیدروسفالی انجام می شود. پس از جراحی ، بیماران باید به طور دوره ای کنترل شوند تا از عملکرد صحیح شانت اطمینان حاصل شود. تغییر در حجم بطن ممکن است تصمیمات بالینی را هدایت کند. با این حال ، تا به امروز ، برآورد دقیق از حجم بطن می تواند وقت گیر باشد و یا به ابزارهایی در سطح ابزار خودکار نیاز دارد که به راحتی با ویزیت بالینی بیمار سازگار نیستند.

نویسندگان این مطالعه به دنبال ایجاد یک مدل خودکار یادگیری عمیق (DL) هستند ، که می تواند برای ارزیابی تغییرات در حجم بطن مغزی در طول زمان در کودکان مبتلا به هیدروسفالی هنگام بازدید از کلینیک آنها استفاده شود. یادگیری عمیق نوعی پیشرفته از هوش مصنوعی است که عملکرد مغز انسان را تقلید می کند. این برنامه قادر به پردازش مقادیر زیادی از داده ها و ایجاد مدل های مورد استفاده در تصمیم گیری است. هدف نویسندگان ایجاد ابزاری DL بود که به طور م inثر در چندین موسسه با دستگاه های مختلف MRI بالینی از تولید کنندگان مختلف کار کند.

برای توسعه و اعتبارسنجی مدل ، نویسندگان کیت های MRI با وزن T2 را از یک گروه 200 نفره از کودکان اطفال (22 سال یا کمتر) که هیدروسفالی انسدادی حاد داشتند ، انتخاب کردند. MRI با وزن T2 کاربرد بالینی گسترده ای دارد ، اما معمولاً برای تعیین حجم بطن استفاده نمی شود. بیماران این گروه در یکی از چهار م institutionsسسه تحت درمان قرار گرفتند: بیمارستان کودکان Lucile Packard Stanford. بیمارستان کودکان سیاتل؛ بیمارستان کودکان بیمار ؛ و بیمارستان کودکان دیتون. برای گروه کنترل ، نویسندگان 200 مجموعه MRI با وزن T2 را از 199 بیمار اطفال از نظر عصبی دست نخورده انتخاب کردند. NMR های سه بعدی T1 وزن به دست آمده از تمام گروه های کنترل و زیرمجموعه ای از بیماران مبتلا به هیدروسفالی نیز مورد بررسی قرار گرفت. MRI سه بعدی با وزن T1 معمولاً برای تجزیه و تحلیل حجم استفاده می شود ، اما به راحتی در کلینیک در دسترس نیست.

400 کیت MRI با وزن T2 برای استفاده در مراحل مختلف مطالعه تقسیم شدند: آموزش (266 کیت MRI) و بهینه سازی (67 کیت MRI) مدل DL و آزمایشی (67 کیت MRI) برای ارزیابی نهایی عملکرد مدل. در یک مطالعه جداگانه ، نویسندگان همچنین تعمیم پذیری مدل DL و کاربرد بالینی آن را با استفاده از MRI ​​های توزین شده با وزن T2 که از 9 بیمار در بیمارستان کودکان در یوتا به دست آمد ، بررسی کردند.

مدل DL برای تولید تقسیم خودکار بطنی (تعیین مرزهای بطنی روی تصاویر) و محاسبه حجم طراحی شده است. برای بررسی اثربخشی مدل ، نویسندگان این دو فرآیند را با استاندارد طلای تقسیم بندی دستی و محاسبه حجم و با استفاده از نرم افزار تحقیقاتی FreeSurfer مقایسه کردند. نویسندگان برای محاسبه حجم از ضریب تشابه تاس (0 به 1) برای برآورد دقت تقسیم بندی و رگرسیون خطی استفاده کردند.

به گفته نویسندگان ، در مقایسه با تقسیم بندی دستی ، “تقسیم بندی مدل با نمره Dice کل 0.901 (946/0 در هیدروسفالی ، 0.856 در گروه شاهد) انجام می شود.” این ارقام دقت بسیار خوبی را نشان می دهند ، حتی در صورت استفاده در بیماران مبتلا به هیدروسفالی دقت بهتری نیز مشهود است. هنگامی که برای ارزیابی صحت تقسیم بندی در بیماران در بیمارستان کودکان اولیه یوتا استفاده شد ، نمره تاس 0.926 بود.

نویسندگان یک رابطه قوی بین محاسبات حجم بطن ساخته شده با استفاده از مدل DL و نسبت تعیین دستی بوق پس سری (r2 = 0.92) و شاخص ایوانز ، نسبت شاخ پیشانی (r2 = 0.79) پیدا کردند. محاسبات با استفاده از MRI ​​وزنی T2 انجام شد.

مدل DL دقیق تر و بسیار سریعتر از نرم افزار FreeSurfer بود که “تقسیم بندی بطن ها و خروجی 8.2 تا 207.3 ساعت (به طور متوسط ​​20.3 ساعت) طول کشید ، در حالی که در هر اسکن 48/1 ثانیه است. برای هر بیمار برای مدل DL “.

این کار هنوز مقدماتی است. شواهد ارائه شده با استفاده از مدل DL هنوز نیاز به ارتباط با علائم بیماران دارد و برای ارزیابی مدل DL هنگام استفاده با سایر انواع هیدروسفالی باید کار بیشتری انجام شود. با این وجود ، نویسندگان نتیجه گرفتند ، “با خروجی حجمی تقریباً فوری و عملکرد قابل اعتماد برای انواع اسکنر سازمانی ، این مدل می تواند با ارزیابی بالینی هیدروسفالی در زمان واقعی سازگار شود و گردش کار پزشک را بهبود بخشد.”

وقتی از دکتر در مورد یافته های این تحقیق س askedال شد ، دکتر ادواردز و یوم پاسخ دادند: “بیش از 100 سال است که Dandy برای ایجاد تجسم در سیستم بطن ، بطن شکنی را ایجاد کرده است. هدف ما ایجاد یک برنامه سریع و قابل اعتماد با استفاده از هوش مصنوعی بود [artificial intelligence] فناوری سریع ، دقیق و قابل استفاده در چندین سیستم عامل تصویر. در دسترس بودن حجم قطعی بطن فشار و عدم دقت در اندازه گیری و مقایسه اندازه بطن را با گذشت زمان از بین می برد و باید راه حل های دقیق تری را در مدیریت بیماران مبتلا به هیدروسفالی و سایر آسیب شناسی های CSF فراهم کند. هدف ما برای پیشبرد این اعتبار سنجی بالینی ماست تا این روش را به عنوان یک کاربرد روتین بالینی و تحقیقاتی در آوریم. ما امیدواریم که این فناوری اطلاعات دقیق و قابل اطمینان تری را فراهم کند تا پزشکان بتوانند در بیماران مبتلا به هیدروسفالی تصمیمات مدیریتی بهتری بگیرند و در نتیجه مراقبت و نتایج بیمار را بهبود بخشند. “

###

Quon JL ، Han M ، Kim LH ، Koran ME ، Chen LC ، Lee EH ، Wright J ، Ramaswamy V ، Lober RM ، Taylor MD ، Grant GA ، Cheshier SH ، Kestle JRW ، Edwards MSB ، Yeom KW: هوش مصنوعی برای مغز خودکار تقسیم بندی بطن و محاسبه حجم: ابزاری بالینی برای ارزیابی هیدروسفالی کودکان – سایپرز ، باشگاه دانش مجله جراحی مغز و اعصاب: اطفال، قبل از چاپ ، 1 دسامبر 2020 به صورت آنلاین منتشر شده است. DOI: 10.3171 / 2020.6.PEDS20251.

جنیفر ال. کوون ، میشل هان ، مایکل اس بی ادواردز و کریستن دبلیو یوم به یک اندازه در این کار سهیم بودند.

دکتر. کوون ، خان ، کیم ، قرآن و چن وابسته به دانشکده پزشکی دانشگاه استنفورد و دکتر لی وابسته به دانشکده فنی دانشگاه استنفورد هستند. دکتر رایت وابسته به بیمارستان کودکان سیاتل ، دانشکده پزشکی دانشگاه واشنگتن است. دکتر. راماسوامی و تیلور با بیمارستان کودکان بیمار ، دانشگاه تورنتو ؛ دکتر لوبر با بیمارستان کودکان دیتون ، دانشکده پزشکی دانشگاه ایالتی رایت ؛ دکتر. چشایر و قلعه با دانشکده پزشکی دانشگاه یوتا ؛ و دیگران. گرانت ، ادواردز و یم ، هر دو از دانشکده پزشکی دانشگاه استنفورد و بیمارستان کودکان لوسیل پاکارد ، استنفورد ، استنفورد ، کالیفرنیا

افشای اطلاعات: نویسندگان هیچ تضادی در رابطه با مواد یا روشهای استفاده شده در این مطالعه یا یافته های مندرج در این مقاله ندارند.

برای اطلاعات بیشتر ، لطفا با ما تماس بگیرید: خانم Jo Ann M. Eliason ، مدیر ارتباطات ، مجله انتشارات جراحی مغز و اعصاب ، One Morton Drive ، Suite 200 ، Charlottesville ، VA 22903.

ایمیل: joanneliason@thejns.org تلفن: 434-982-1209

مجله جراحی مغز و اعصاب: اطفال یک مجله ماهانه با مرور همتا است که بر بیماری ها و اختلالات سیستم عصبی مرکزی و ستون فقرات در کودکان تمرکز دارد. این مجله شامل مقالات متنوعی از جمله شرح آزمایشات بالینی و بالینی و همچنین گزارش موارد و یادداشت های فنی می باشد. مجله جراحی مغز و اعصاب: اطفال یکی از پنج مجله ای است که توسط گروه انتشارات JNS ، مجله علمی انجمن جراحان مغز و اعصاب آمریکا منتشر شده است. از دیگر مجلات معتبر منتشر شده توسط گروه انتشارات JNS می توان به Journal of Neurosurgery، Journal of Neurosurgery: Spine، Neurosurgical Focus و Neurosurgical Focus: Video اشاره کرد. از طریق http: // www می توان به هر پنج مجله دسترسی داشت.thejnsسازمان.

انجمن جراحان مغز و اعصاب آمریکا (AANS) در سال 1931 به عنوان انجمن هاروی کوشینگ تاسیس شد ، یک انجمن علمی و آموزشی با بیش از 10 هزار عضو در سراسر جهان است. AANS اختصاص داده شده است به توسعه تخصص جراحی مغز و اعصاب برای اطمینان از بالاترین کیفیت مراقبت های جراحی مغز و اعصاب برای مردم. کلیه اعضای فعال AANS توسط شورای جراحی مغز و اعصاب آمریکا ، کالج سلطنتی پزشکان و جراحان (جراحی مغز و اعصاب) کانادا یا شورای جراحی مغز و اعصاب مکزیک ، AC تأیید شده اند. جراحی مغز و اعصاب یک تخصص پزشکی است که با پیشگیری ، تشخیص ، درمان و توانبخشی بیماری هایی که روی کل سیستم عصبی از جمله مغز ، ستون فقرات ، نخاع و اعصاب محیطی تأثیر می گذارند ، سروکار دارد. برای اطلاعات بیشتر به http: // www مراجعه کنید.بر.سازمان.

[ad_2]

منبع: kolah-news.ir