DEEP LEARNING–DRIVEN AUTOMATED SEGMENTATION AND QUANTITATIVE MRI ANALYSIS OF SPINAL STRUCTURES

Аннотация

Магнитно-резонансная томография (МРТ) является ключевым методом диагностики дегенеративных заболеваний позвоночника благодаря высокому контрасту мягких тканей, неинвазивности и отсутствию ионизирующего излучения. В данном исследовании представлен искусственно-интеллектуальный подход к автоматизированной сегментации и количественной оценке основных анатомических структур позвоночника, включая межпозвонковые диски, тела позвонков и спинномозговой канал, в шейном, грудном и поясничном отделах. Для обучения и валидации модели использован масштабный набор данных, включающий более одного миллиона МРТ-исследований, полученных у пациентов различных возрастных групп, пола и с использованием сканеров разных производителей. Сегментация выполнена с применением архитектуры nnU-Net, автоматически адаптирующейся к характеристикам данных, а измерение высоты дисков и переднезаднего диаметра спинномозгового канала осуществлено с помощью трехмерной сверточной нейронной сети. Оценка эффективности проводилась с использованием коэффициента Dice и средней квадратичной ошибки. Полученные результаты свидетельствуют о высокой точности и воспроизводимости метода, что подтверждает его перспективность для клинического применения и поддержки принятия врачебных решений.