Automatiserad detektion och diagnos av patologiska DRG hos PHN-patienter med djupinlärning och magnetisk resonans

Vår tidigare forskning har bekräftat skillnader i makroskopiska och mikroskopiska aspekter mellan avbildning av skadade dorsala rotganglier (DRG) hos patienter med postherpetisk neuralgi (PHN) och friska kontroller. Dessutom avslöjade vår studie att även om lokalisering av skadad hud är en klassisk metod i klinisk praxis, finns det fortfarande en viss grad av diskrepans med den skadade DRG som observeras vid magnetisk resonanstomografi (MRI). Detta antyder det betydande värdet av MRT vid diagnostisering av skadad DRG hos PHN-patienter. För patienter med zoster sine herpete neuralgi är det ännu viktigare att tydligt identifiera den skadade DRG genom MRT. Men på grund av den lilla storleken och varierande morfologin hos DRG-lesioner kräver diagnostisering av skadad DRG genom MRT specialiserad kunskap inom neuroanatomi och bildbehandling, vilket utgör en utmaning för kliniska läkare. Att identifiera skadad DRG snabbt och exakt är avgörande för interventionsterapi, eftersom det fungerar som ett viktigt behandlingsmål för neuropatisk smärta.

YOLO (You Only Look Once)-serien av algoritmer är för närvarande mycket använda enstegs-algoritmer för realtidsdetektering av objekt, inklusive YOLOv1-YOLOv8. På grund av sin extremt höga detekteringshastighet möjliggör de objektdetektering i realtid. YOLOv5 och YOLOv8 används nu i stor utsträckning i olika tillämpningar som autonom körning, videoövervakning och objektspårning [66,67]. Dessutom används YOLO-serien i allt större utsträckning inom det medicinska området, inklusive upptäckt av tumör- och ledkapselskada, som visar god noggrannhet, återkallningsfrekvenser och detektionseffektivitet [68]. Denna studie syftar till att använda YOLOv8-algoritmen för att utveckla en snabb och exakt objektdetekteringsmodell, samtidigt som den utvärderar dess prestanda. Den syftar till att validera genomförbarheten och effektiviteten av att detektera skadade dorsala rotganglier (DRG) i postherpetisk neuralgi i realtid med denna modell, vilket ger en grund för tidig diagnos för kliniska läkare och möjliggör snabb och exakt lokalisering av skadad DRG.