DeLTA-BIT：機能的神経疾患における視床標的化のためのオープンソース確率的線維束追跡ベースの深層学習フレームワーク

科学分野:

• 神経科学
• 医用画像処理
• 人工知能

背景:

• 生体線維束追跡は、神経外科計画と脳接続性の理解に不可欠です。
• 現在の線維束追跡方法は時間がかかり、医師にとって使いやすいものではありません。
• 機能的神経疾患における患者固有の標的化の必要性が高まっています。

研究 の 目的:

• 高速かつ正確な脳標的予測のための新しいオープンソース深層学習フレームワークを開発すること。
• 確率的線維束追跡ベースの標的化のためのDeLTA-BIT（Deep-learning Local TrActography for BraIn Targeting）を導入すること。
• 深層学習を使用して視床の腹側中間核（VIM）の位置を予測すること。

主な方法:

• 畳み込みニューラルネットワーク（CNN）がDeLTA-BITフレームワーク内で開発されました。
• CNNはHuman Connectome Project（HCP）データセットでトレーニングされました。
• モデルパフォーマンスは、T1画像を使用してHCP（内部）および臨床（外部）データセットの両方で検証されました。

主要な成果:

• DeLTA-BITは、内部検証（平均DSC = 0.62）でVIM領域を予測する上で良好な精度を達成しました。
• フレームワークはデータを迅速に処理し、被験者あたりわずか数秒しかかかりませんでした。
• 臨床データでの外部検証では、アトラスベースの方法と同等のパフォーマンスを示しましたが、処理時間は大幅に短縮されました。

結論:

• DeLTA-BITは、神経外科における患者固有の脳標的化のための迅速かつ正確なソリューションを提供します。
• 深層学習アプローチは、深部脳刺激などの処置のための線維束追跡の使用を合理化します。
• このフレームワークは、神経外科的介入の効率と精度を向上させる可能性があります。