超高解像度クラウストラムセグメンテーションのためのコントラストアグノスティック方法
Chiara Mauri1,2, Ryan Fritz1, Jocelyn Mora1
1Department of Radiology, Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Charlestown, Massachusetts, USA.
Human brain mapping
|August 21, 2025
まとめ
複雑な脳構造である クラウストラムの正確な 自動セグメンテーションのための 革新的な ディープラーニング・メソッドを開発しました このアプローチは様々なMRIコントラストと解像度で動作し,神経画像の研究を向上させます.
科学分野:
- 神経イメージング
- 計算神経科学
- 医学画像分析
背景:
- 灰色の物質の構造であるクラウストラムは,薄いシート状の形のため,標準的なMRIで視覚化および分割することが困難です.
- クラウストラムの現在の神経イメージングツールと自動セグメンテーション方法は限られており,その機能に関する研究を妨げています.
研究 の 目的:
- クラウストラムの自動セグメント化のための新しいコントラストと解像度アグノスティックなディープラーニング方法を提案し,検証する.
- クラウストラムを超高解像度 (0.35 mm同型) と標準解像度 (約. イソトロピック1ミリ).
主な方法:
- ランダムなコントラストと解像度でトレーニングデータを合成し,堅固な汎用化を実現する SynthSeg フレームワークを使用しました.
- 18個の超高解像度MRIスキャン (主にex vivo) のマニュアルクラストラムラベルを用いてディープラーニングネットワークを訓練した.
- 高解像度スキャンで6倍クロス検証を行い,in vivo T1加重MRIスキャンでテストした.
主要な成果:
- 超高解像度MRIスキャンで0.632のダイススコア,平均表面距離0.458mm,体積相似度0.867を達成しました.
- 典型的な解像度での in vivo T1 重みスキャンと多様式画像 (T2 重み,陽子密度,定量T1) での堅実性が実証された.
- テスト・再テストのシナリオで確認された方法の信頼性
結論:
- これはコントラストと解像度の変化に耐える 超高解像度クラウストラムセグメンテーションの 最初の正確で自動的な方法です
- 開発された方法は,信頼性の高いセグメント化ツールを提供することにより,クラウストラムの研究を大幅に進める.
- この方法は,SynthSegフレームワークとFreeSurferの一部として公開されており,より広範な研究アプリケーションを容易にしています.
