Automatisierte Erkennung und Diagnose pathologischer DRGs bei PHN-Patienten mithilfe von Deep Learning und Magnetresonanz

Unsere bisherige Forschung hat Unterschiede in makroskopischen und mikroskopischen Aspekten zwischen der Bildgebung von verletzten Spinalganglien (DRG) bei Patienten mit postherpetischer Neuralgie (PHN) und gesunden Kontrollpersonen bestätigt. Darüber hinaus ergab unsere Studie, dass die Lokalisierung verletzter Haut zwar eine klassische Methode in der klinischen Praxis ist, es jedoch immer noch eine gewisse Diskrepanz mit der verletzten DRG gibt, die in der Magnetresonanztomographie (MRT) beobachtet wird. Dies deutet auf den signifikanten Wert der MRT bei der Diagnose von DRG-Läsionen bei PHN-Patienten hin. Für Patienten mit Zoster-Sinus-Herpete-Neuralgie ist es noch wichtiger, das verletzte DRG mittels MRT eindeutig zu identifizieren. Aufgrund der geringen Größe und der unterschiedlichen Morphologie von DRG-Läsionen erfordert die Diagnose von DRG-Läsionen mittels MRT jedoch spezielle Kenntnisse in Neuroanatomie und Bildgebung, was für klinische Praktiker eine Herausforderung darstellt. Die schnelle und genaue Identifizierung von verletztem DRG ist für die interventionelle Therapie von entscheidender Bedeutung, da es als wesentliches Behandlungsziel für neuropathische Schmerzen dient.

Die Algorithmen der YOLO-Reihe (You Only Look Once) sind derzeit weit verbreitete einstufige Echtzeit-Objekterkennungsalgorithmen, einschließlich YOLOv1-YOLOv8. Aufgrund ihrer extrem hohen Erkennungsgeschwindigkeit ermöglichen sie eine Objekterkennung in Echtzeit. YOLOv5 und YOLOv8 werden mittlerweile in großem Umfang in verschiedenen Anwendungen wie autonomem Fahren, Videoüberwachung und Objektverfolgung eingesetzt [66,67]. Darüber hinaus wird die YOLO-Serie zunehmend im medizinischen Bereich eingesetzt, einschließlich der Erkennung von Tumor- und Gelenkkapselläsionen, und weist eine gute Genauigkeit, Erinnerungsraten und Erkennungseffizienz auf [68]. Ziel dieser Studie ist es, den YOLOv8-Algorithmus zu nutzen, um ein schnelles und genaues Objekterkennungsmodell zu entwickeln und gleichzeitig dessen Leistung zu bewerten. Ziel ist es, die Machbarkeit und Wirksamkeit der Erkennung von verletzten Spinalganglien (DRG) bei postherpetischer Neuralgie in Echtzeit mithilfe dieses Modells zu validieren, um eine Grundlage für eine frühzeitige Diagnose für klinische Praktiker zu schaffen und eine schnelle und präzise Lokalisierung von verletzten DRG zu ermöglichen.