Un método agnóstico de contraste para la segmentación de claustro de ultra alta resolución

Área de la Ciencia:

• Imágenes neurológicas
• Neurociencia computacional
• Análisis de imágenes médicas

Sus antecedentes:

• El claustro, una estructura de materia gris, es difícil de visualizar y segmentar en la resonancia magnética estándar debido a su forma delgada y similar a una hoja.
• Las herramientas actuales de neuroimagen y los métodos de segmentación automática para el claustro son limitados, lo que dificulta la investigación de sus funciones.

Objetivo del estudio:

• Proponer y validar un nuevo método de aprendizaje profundo independiente del contraste y la resolución para la segmentación automática del claustro.
• Para permitir una segmentación precisa del claustro con una resolución ultraalta (0,35 mm isotrópica) y resoluciones estándar (aprox. 1 mm isotrópico).

Principales métodos:

• Utilizó el marco SynthSeg, que sintetiza datos de entrenamiento con contraste y resolución aleatorios para lograr una generalización robusta.
• Se formó una red de aprendizaje profundo utilizando etiquetas de claustro manuales de 18 exploraciones de resonancia magnética de ultra alta resolución (principalmente ex vivo).
• Se validó el método utilizando validación cruzada de 6 veces en exploraciones de alta resolución y se probó en exploraciones de resonancia magnética ponderadas en T1 in vivo.

Principales resultados:

• Logró una puntuación de dados de 0,632, una distancia media de superficie de 0,458 mm y una similitud volumétrica de 0,867 en escáneres de resonancia magnética de ultra alta resolución.
• Robustez demostrada en exploraciones ponderadas en T1 in vivo a resoluciones típicas y en imágenes multimodales (ponderadas en T2, densidad de protones, T1 cuantitativa).
• Confiabilidad del método confirmado en escenarios de ensayo y reensayo.

Conclusiones:

• Este es el primer método preciso y automático para la segmentación de claustro de ultra alta resolución que es robusto a las variaciones en contraste y resolución.
• El método desarrollado avanza significativamente en el estudio del claustro al proporcionar una herramienta de segmentación fiable.
• El método está disponible públicamente como parte del marco SynthSeg y FreeSurfer, lo que facilita aplicaciones de investigación más amplias.