Kajian Akademik: Pipeline berbasis pembelajaran mendalam yang sepenuhnya otomatis untuk pengukuran Indeks Evans dari MRI 3D mentah

Ventrikulomegali adalah fitur neuroimaging utama dari hidrosefalus tekanan normal (NPH) dan gangguan dinamika cairan serebrospinal (CSF) lainnya. Indeks Evans (EI), yang didefinisikan sebagai rasio lebar tanduk frontal maksimal terhadap diameter tengkorak bagian dalam maksimal, merupakan penanda pembesaran ventrikel yang banyak digunakan. Namun, pengukuran EI manual rentan terhadap variabilitas antar-pengamat dan bergantung pada penyelarasan akurat ke bidang anterior commissure-posterior commissure (AC-PC), sehingga membatasi reproduktifitas dalam penelitian besar dan multi-pusat. Kami mengembangkan pipeline berbasis pembelajaran mendalam yang sepenuhnya otomatis untuk penghitungan EI langsung dari pemindaian MRI MPRAGE berbobot T1 mentah. Saluran pipa ini mengintegrasikan deteksi landmark otomatis menggunakan model BrainSignsNet, penyelarasan AC-PC yang kaku untuk standarisasi orientasi, dan segmentasi yang kuat dari ventrikel lateral (LV) dan volume intrakranial (ICV) menggunakan model nnU-Net. Segmentasi ventrikel dilakukan dengan jaringan khusus yang dilatih pada 1. 300 pemindaian yang dianotasi secara manual dan diperkaya untuk hidrosefalus. Indeks Evans kemudian diperoleh secara otomatis dari lebar tanduk frontal dan diameter tengkorak bagian dalam yang diukur pada irisan aksial yang sejajar. Validasi internal pada kelompok Studi Penuaan Longitudinal Baltimore, BIOCARD, dan Johns Hopkins menunjukkan kinerja segmentasi yang sangat baik (koefisien Dadu = 0,98). Validasi eksternal dalam uji coba PENS, termasuk pemindaian NPH sebelum dan sesudah shunt, menunjukkan kesesuaian yang kuat dengan pengukuran EI manual ahli (rata-rata bias = 0,0068, rata-rata kesalahan absolut = 0,0103, r = 0,96, p <0,001), tanpa bias terkait usia, jenis kelamin, atau volume ventrikel. Pendekatan otomatis dan terstandarisasi orientasi ini memungkinkan penilaian Indeks Evans yang akurat, dapat direproduksi, dan terukur untuk klinis dan penelitian aplikasi, khususnya di NPH