Deep-Learning-Methode hilft Erforschung von Spinalganglien zu verbessern
2025
University Hospital Würzburg, Würzburg, Deutschland
Die Spinalganglien (DRG) spielen eine Rolle bei der Verarbeitung von Empfindungen und Schmerz, aber ihre genaue Funktion ist noch nicht ganz klar. Neue Techniken der Magnetresonanztomographie (MRT) ermöglichen es, die DRG im Körper zu untersuchen. Dabei wurden bestimmte Messwerte der DRG im MRT, wie Volumen und T2w-Signal, als mögliche Anzeiger (Biomarker) identifiziert, die mit biochemischen und genetischen Faktoren sowie neuropathischem Schmerz zusammenhängen könnten. Um diese Biomarker besser nutzen zu können, braucht man automatische Verfahren zur Auswertung von DRG-Bildern, da die DRG bisher meist von Hand auf den Bildern markiert werden. In dieser Studie wurde ein solches automatisches Verfahren entwickelt, das auf Deep Learning basiert. Ein Computernetzwerk (CNN) wurde mit der Software nnU-Net trainiert, um DRG auf detaillierten 3D-MRT-Bildern zu erkennen (220 DRGs). Die automatischen Markierungen der DRG waren ähnlich gut wie die manuellen (Genauigkeit von 0,89 vs. 0,87) und erfolgten 10-mal schneller. Das Verfahren wurde an Patienten mit Fabry-Erkrankung getestet, einer Krankheit, bei der sich die DRG verändern. Das Computernetzwerk konnte die bekannten Veränderungen der DRG bei dieser Krankheit erkennen. Es wurde also ein automatisches Verfahren zur Markierung der DRG in MRT-Bildern entwickelt und gezeigt, dass es zur Untersuchung von DRG-Veränderungen, z.B. bei der Fabry-Erkrankung, verwendet werden kann.
Automated segmentation of the dorsal root ganglia in MRI
Magnus Schindehütte
Eingestellt am: 02.05.2025
[1] https://www.sciencedirect.com/science/article/pii/S1053811925001910?via%3Dihub
