Geautomatiseerde detectie en diagnose van pathologische DRG's bij PHN-patiënten met behulp van deep learning en magnetische resonantie

Ons eerdere onderzoek heeft verschillen in macroscopische en microscopische aspecten bevestigd tussen de beeldvorming van beschadigde dorsale wortelganglia (DRG) bij patiënten met postherpetische neuralgie (PHN) en gezonde controles. Bovendien onthulde ons onderzoek dat hoewel de lokalisatie van de beschadigde huid een klassieke methode is in de klinische praktijk, er nog steeds een zekere discrepantie bestaat met de DRG van de beschadigde huid die wordt waargenomen bij magnetische resonantiebeeldvorming (MRI). Dit suggereert de significante waarde van MRI bij het diagnosticeren van laesie DRG bij PHN-patiënten. Voor patiënten met zoster sinus herpete neuralgie is het zelfs nog belangrijker om de beschadigde DRG duidelijk te identificeren via MRI. Vanwege de kleine omvang en gevarieerde morfologie van DRG-laesies vereist het diagnosticeren van laesie DRG via MRI echter gespecialiseerde kennis op het gebied van neuroanatomie en beeldvorming, wat een uitdaging vormt voor klinische artsen. Het snel en accuraat identificeren van beschadigde DRG is cruciaal voor interventionele therapie, omdat het dient als een essentieel behandeldoel voor neuropathische pijn.

De YOLO-reeks (You Only Look Once)-algoritmen zijn momenteel veelgebruikte real-time objectdetectie-algoritmen in één fase, waaronder YOLOv1-YOLOv8. Door hun extreem hoge detectiesnelheid maken ze real-time objectdetectie mogelijk. YOLOv5 en YOLOv8 worden nu op grote schaal gebruikt in verschillende toepassingen, zoals autonoom rijden, videobewaking en objecttracking [66,67]. Bovendien wordt de YOLO-serie steeds vaker toegepast op medisch gebied, waaronder de detectie van tumor- en gewrichtskapsellaesies, wat een goede nauwkeurigheid, terugroeppercentages en detectie-efficiëntie aantoont [68]. Deze studie heeft tot doel het YOLOv8-algoritme te gebruiken om een ​​snel en nauwkeurig objectdetectiemodel te ontwikkelen, waarbij tegelijkertijd de prestaties ervan worden geëvalueerd. Het beoogt de haalbaarheid en effectiviteit te valideren van het detecteren van beschadigde dorsale wortelganglia (DRG) in real-time postherpetische neuralgie met behulp van dit model, dat een basis biedt voor vroege diagnose voor klinische artsen en een snelle en nauwkeurige lokalisatie van beschadigde DRG mogelijk maakt.