Automatická detekce a diagnostika patologických DRG u pacientů s PHN pomocí hlubokého učení a magnetické rezonance

Náš předchozí výzkum potvrdil rozdíly v makroskopických a mikroskopických aspektech mezi zobrazením lézí dorzálních kořenových ganglií (DRG) u pacientů s postherpetickou neuralgií (PHN) a zdravých kontrol. Naše studie navíc odhalila, že zatímco lokalizace lézí na kůži je klasickou metodou v klinické praxi, stále existuje určitá míra nesrovnalostí s lézí DRG pozorovanou při zobrazování magnetickou rezonancí (MRI). To naznačuje významnou hodnotu MRI při diagnostice lézí DRG u pacientů s PHN. Pro pacienty s herpetickou neuralgií zoster sine je ještě důležitější jasně identifikovat poškozenou DRG pomocí MRI. Vzhledem k malé velikosti a různé morfologii lézí DRG však diagnostika lézí DRG pomocí MRI vyžaduje specializované znalosti v neuroanatomii a zobrazování, což představuje výzvu pro klinické lékaře. Rychlá a přesná identifikace lézí DRG je zásadní pro intervenční terapii, protože slouží jako základní cíl léčby neuropatické bolesti.

Algoritmy řady YOLO (You Only Look Once) jsou v současnosti široce používané jednofázové algoritmy detekce objektů v reálném čase, včetně YOLOv1-YOLOv8. Díky extrémně vysoké rychlosti detekce umožňují detekci objektů v reálném čase. YOLOv5 a YOLOv8 jsou nyní široce využívány v různých aplikacích, jako je autonomní řízení, video dohled a sledování objektů [66,67]. Řada YOLO se navíc stále více uplatňuje v lékařské oblasti, včetně detekce nádorových lézí a lézí kloubního pouzdra, což prokazuje dobrou přesnost, rychlost vyvolání a účinnost detekce [68]. Tato studie si klade za cíl využít algoritmus YOLOv8 k vývoji rychlého a přesného modelu detekce objektů a současně vyhodnotit jeho výkon. Snaží se ověřit proveditelnost a účinnost detekce lézí dorzálních kořenových ganglií (DRG) u postherpetické neuralgie v reálném čase pomocí tohoto modelu, což poskytuje základ pro včasnou diagnostiku pro klinické lékaře a umožňuje rychlou a přesnou lokalizaci lézí DRG.