Acceso usuarios
[1]
;
Rahele Kafieh
[1]
[3]
;
Fariba Davanian
[1]
[1]
;
Iman Adibi
[1]
;
Neda Ramezani
[1]
;
Ali Hekmatnia
[1]
;
Andrew Parviz Zarei
[2]
;
Farzaneh Hekmatnia
[4]
;
Hannaneh Mirgaloyebayat
[1]
Irán
Australia
Reino Unido
Antecedentes: La trombosis del seno dural (TSD) es una afección grave que debe diagnosticarse con resonancia magnética (RM) y tratarse lo antes posible. Nuestro objetivo era evaluar el valor diagnóstico de los algoritmos de procesamiento de imágenes y la inteligencia artificial en el diagnóstico y la localización de la trombosis del seno venoso.
Métodos: Se realiza un estudio transversal analítico-descriptivo y retrospectivo entre 2020-2022 sobre historias clínicas de pacientes con sospecha de trombosis venosa cerebral a los que se les realizó imagen 3DMRV y secuencias T2WI. Las imágenes coronales y sagitales T2WI de los pacientes se obtuvieron del sistema PACS del Hospital Kashani. Para mejorar el diagnóstico de la trombosis venosa cerebral, se utilizaron las áreas marcadas en las imágenes T2 sagital y coronal y la imagen 3D MRV del paciente para detectar la presencia de trombosis del seno venoso y enseñar el algoritmo inteligente. En la primera etapa, se introdujeron en el software PYTHON imágenes de 100 muestras estándar de RM sagital y coronal de los senos venosos cerebrales para el entrenamiento del software. En la etapa de evaluación de la trombosis (prueba), se proporcionaron al algoritmo las imágenes T2 sagitales y coronales del paciente, y el algoritmo segmentó de forma inteligente las áreas sospechosas de trombosis.
A continuación, se evaluó la imagen MRV 3D del paciente para confirmar el resultado. Utilizando este entrenamiento, el programa debería identificar el área de trombosis en la imagen MRV 3D del paciente con la precisión adecuada.
Resultados: La precisión de la inteligencia artificial en el diagnóstico de la trombosis sagital superior fue del 99,1%, y su precisión para el seno sigmoideo derecho, el seno sigmoideo izquierdo y el seno transverso derecho e izquierdo fue del 75,8%, 73,6%, 71,5% y 70,4%, respectivamente.
Conclusiones: Demostramos que la inteligencia artificial tiene altas tasas de precisión en algoritmos de procesamiento de imágenes e inteligencia artificial en el diagnóstico de diferentes áreas de trombosis del seno venoso. Estos datos podrían tener una importancia crítica en la práctica clínica.
Background: Dural sinus thrombosis (DST) is a severe condition that should be diagnosed with magnetic resonance imaging (MRI) and treated as soon as possible. We aimed to assess the diagnostic value of image processing algorithms and artificial intelligence in diagnosing and locating venous sinus thrombosis.
Methods: This is an analytic-descriptive, retrospective cross-sectional study performed from 2020-2022 on medical records of patients suspected of cerebral vein thrombosis who underwent 3DMRV and T2WI sequences imaging. T2WI coronal and sagittal images of patients were obtained from Kashani Hospital PACS system. In smartening the diagnosis of cerebral venous thrombosis, the areas marked in sagittal, coronal T2 images, and the patient MRV 3D image were used for the presence of venous sinus thrombosis to teach the intelligent algorithm. In the first stage, images of 100 standard sagittal and coronal MRI samples from the brain's venous sinuses were entered into the PYTHON software for software training. In the thrombosis evaluation stage (test), the patient's sagittal and coronal T2 images were given to the algorithm, and the algorithm intelligently segments the areas suspected of thrombosis. Then we evaluated the patient's MRV 3D image to confirm the result. Using this training, the program should identify the thrombosis area in the patient's MRV 3D image with appropriate accuracy.
Results: The accuracy of artificial intelligence in diagnosing superior sagittal thrombosis was 99.1%, and its accuracy for the right sigmoid sinus, left sigmoid sinus, and right and left transverse sinus were 75.8%, 73.6%, 71.5%, and 70.4% respectively.
Conclusion: We showed that artificial intelligence has high accuracy rates in image processing algorithms and artificial intelligence in diagnosing different areas of venous sinus thrombosis. This data could have critical importance in clinical practice.
