Detección y diagnóstico automatizados de GRD patológicos en pacientes con NPH mediante aprendizaje profundo y resonancia magnética

Nuestra investigación anterior ha confirmado diferencias en aspectos macroscópicos y microscópicos entre las imágenes de los ganglios de la raíz dorsal (GRD) lesionados en pacientes con neuralgia posherpética (NPH) y controles sanos. Además, nuestro estudio reveló que si bien la localización de la piel lesionada es un método clásico en la práctica clínica, todavía existe una cierta tasa de discrepancia con los GRD lesionados observados en la resonancia magnética (MRI). Esto sugiere el valor significativo de la resonancia magnética en el diagnóstico de GRD lesionados en pacientes con NPH. Para los pacientes con neuralgia del herpes zóster sinusoidal, es aún más crucial identificar claramente el GRD lesionado mediante resonancia magnética. Sin embargo, debido al tamaño pequeño y la morfología variada de las lesiones de los GRD, el diagnóstico de los GRD lesionados mediante resonancia magnética requiere conocimientos especializados en neuroanatomía e imágenes, lo que plantea un desafío para los médicos. Identificar los GRD lesionados de forma rápida y precisa es crucial para la terapia intervencionista, ya que sirve como un objetivo de tratamiento esencial para el dolor neuropático.

La serie de algoritmos YOLO (Solo miras una vez) son algoritmos de detección de objetos en tiempo real de una sola etapa ampliamente utilizados en la actualidad, incluidos YOLOv1-YOLOv8. Gracias a su altísima velocidad de detección, permiten la detección de objetos en tiempo real. YOLOv5 y YOLOv8 ahora se emplean ampliamente en diversas aplicaciones, como conducción autónoma, videovigilancia y seguimiento de objetos [66,67]. Además, la serie YOLO se aplica cada vez más en el campo médico, incluida la detección de tumores y lesiones de la cápsula articular, lo que demuestra buena precisión, tasas de recuperación y eficiencia de detección [68]. Este estudio tiene como objetivo utilizar el algoritmo YOLOv8 para desarrollar un modelo de detección de objetos rápido y preciso, evaluando simultáneamente su rendimiento. Busca validar la viabilidad y eficacia de la detección de ganglios de la raíz dorsal (GRD) lesionados en neuralgia posherpética en tiempo real utilizando este modelo, proporcionando una base para el diagnóstico temprano para los médicos y permitiendo una localización rápida y precisa de los GRD lesionados.