قطعه بندی سه بعدی تمام خودکار نخاع و کانال نخاعی ناحیه توراکولومبار (سینه ای-کمری) از تصاویرMRI با وزن T2 بوسیله ی الگوریتم خوشه بندی k-means
هدف این پژوهش: توسعه ی پروتکل قابل اعتماد برای قطعه بندی خودکار طناب نخاعی سینه ای -کمری با استفاده از تصاویر MRI الگوریتم خوشه بندی در تصاویر سه بعدی.
تصاویر ساختاری T2 بصورت حجم (سه بعدی) از طناب نخاعی 20 داوطلب سالم با به کارگیری اسکنر MRI با قدرت میدان مغناطیسی سه تسلا گردآوری شد. ما روشی خودکار را برای قطعه بندی نخاع پیشنهاد کردیم که از الگوریتم خوشه بندی k-means برای قطعه بندی بهره می برد و آن را با دو روش استاندارد و پرکاربرد DeepSeg و PropSeg در جعبه ابزار Spinal Cord Toolbox (SCT) مقایسه کردیم. دو معیار ارزیابی Dice و Hausdorff جهت مقایسه روشهای استاندارد با روش پیشنهادی k-Seg روش قطعه بندی دستی و PropSegو DeepSeg استفاده شد.
دقت روش قطعه بندی اتوماتیک انجام شده برای تصاویر با وزنT2 به طور معنی داری با ارزیابی معیار های معرفی شده (P <0.001 ) بهتر از روش های مشابه در جعبه ابزار SCT بود. میزان معیار ارزیابی Dice برای روش k-Seg 0.81 ± 0.04 و معیار ارزیابی Hausdorff 12.3 ± 2.48 در مقایسه با سایر روش های استاندارد بدست آورد.
نتیجه گیری این بود که بازده با پروتکل های مشابه نشان داد که نتایج K-Seg در تصاویر با نسبت کنتراست به نویز و سیگنال به نویز ضعیف طناب نخاعی در ناحیه سینه ای –کمری بهتر از سایر روشها با قطعه بندی دستی در این مناطق مطابقت دارد.
این پژوهش با استفاده از خدمات آزمایشگاه ملی نقشه برداری مغز انجام شده است و در سال March 2020 در Spinal Cord به چاپ رسیده است.
اسامی پژوهشگران:
حامد دهقانی، سحر صباغیان، سید امیرحسین بتولی، علی خطیبی، محمدعلی عقابیان
نوشته های مرتبط