A 3D Deep Neural Network for Liver Volumetry in 3T Contrast-Enhanced MRI
Hinrich Winther, Christian Hundt, Kristina Imeen Ringe, Frank K. Wacker, Bertil Schmidt, Julian Jürgens, Michael Haimerl, Lukas Philipp Beyer, Christian Stroszczynski, Philipp Wiggermann, Niklas Verloh · RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 2021 · Heft 03 · S. 305-314
Bibliografische Angaben
Zusammenfassung
Zusammenfassung Ziel Ziel dieser Studie war es, eine vollautomatische und zuverlässige Lebervolumetrie in der kontrastverstärkten MRT basierend auf 3D-Deep-Learning-Algorithmen zu entwickeln. Material und Methoden Datensätze von Gd-EOB-DTPA-verstärkten Leber-MR-Bildern von 100 Patienten wurden von einem in der hepatobiliären Bildgebung erfahrenen Radiologen manuell segmentiert und als Grundwahrheitssegmentierung angenommen. Die Datensätze wurden mittels einem Kreuzvalidierungsverfahren (k = 4) in Trainings- und Validierungsdatensatz eingeteilt und einem neuronalen Netzwerk zur automatischen Bildsegmentierung zug…
