Глубокое обучение для классификации множественных склерозных повреждений и стратификации с использованием МРТ.

Множественный склероз (MS) — хроническое неврологическое заболевание, характеризующееся воспалением, обезвоживанием и нейродегенерацией в центральной нервной системе. Обычные методы магнитно-резонансной съемки (MRI) часто с трудом поддаются обнаружению небольших или тонких повреждений, особенно в таких проблемных регионах, как кортикальная серая материя и стержень мозга. В этом исследовании предлагается новый подход, основанный на глубоком обучении, в сочетании с надежной системой предварительной обработки и оптимизированными протоколами МРТ, с тем чтобы повысить точность классификации и стратификации повреждений MS.МЕТОДЫ: Мы разработали архитектуру нервной сети (СНН), специально разработанную для получения изображений с высоким разрешением T2-показателей (T2WI), дополненную методами глубокого обучения на основе восстановления (DLR). Эта модель включает в себя механизмы двойного внимания, включая модули пространственного и ретрансляционного внимания, в целях повышения эффективности экстракции объектов. Был использован комплексный трубопровод для предварительной обработки, предусматривающий корректировку полей с пристрастностью, зачистку черепа, регистрацию изображений и нормализацию интенсивности. Предлагаемые рамки были подготовлены и утверждены на основе четырех общедоступных наборов данных и оценены с использованием показателей точности, чувствительности, специфичности и площади под кривой (AUC).Результаты: Модель продемонстрировала исключительную эффективность, достигнув точности в 96,27%, чувствительности 95,54%, специфичности 94,70% и АУК в 0,975. Он превосходил существующие современные методы, особенно при обнаружении повреждений в недостаточно диагностированных регионах, таких, как кортикальная серая материя и стержень мозга. Интеграция механизмов повышенного внимания позволила модели сосредоточить внимание на важнейших характеристиках МРТ, что привело к значительному улучшению классификации повреждений и стратификации. ВЫВОДЫ: Настоящее исследование представляет собой новаторский и расширяемый подход к обнаружению и классификации поражения MS, предлагающий практическое решение для клинического применения. Благодаря интеграции передовых методов глубокого обучения с оптимизированными протоколами МРТ предлагаемая рамочная основа обеспечивает наивысшую диагностическую точность и обобщенность, открывая путь для улучшения ухода за пациентами и более индивидуализированных стратегий лечения. Эта работа устанавливает новые ориентиры для диагностики и управления НР как в области исследований, так и в области клинической практики.