相关实验视频
Updated: Jul 26, 2025
11:09
Deep Brain Stimulation with Simultaneous fMRI in Rodents
Published on: February 15, 2014
14.1K
通过使用静止状态fMRI进行深度学习支持的大脑血液动力学映射
Xirui Hou1,2, Pengfei Guo3, Puyang Wang4
1Department of Biomedical Engineering, Johns Hopkins University School of Medicine, Baltimore, MD, USA.
NPJ digital medicine
|June 21, 2023
概括
休息状态fMRI与深度学习相结合,现在可以非侵入性地映射大脑血管功能和损伤. 这种方法使用自然的二氧化碳波动来评估脑血管反应率 (CVR) 和球体到达时间 (BAT) 以实现个性化的预后.
科学领域:
- 神经成像是一种神经成像.
- 血管生物学 血管生物学
- 人工智能的人工智能
背景情况:
- 脑血管疾病是全球主要的健康问题,需要改进诊断工具.
- 目前的非侵入性成像缺乏对大脑血管疾病个性化预后的敏感性.
- 休息状态功能磁共振成像 (rs-fMRI) 是广泛可用的,但在血管评估中未得到充分利用.
研究的目的:
- 开发和验证一种基于深度学习的方法,用于使用rs-fMRI绘制脑血管反应率 (CVR) 和球体到达时间 (BAT).
- 证明这种新技术在检测血管异常和评估治疗效果方面的实用性.
- 建立基于深度学习的脑血管映射在不同患者群体中的可重复性.
主要方法:
- 在rs-fMRI期间利用自然的CO2波动来绘制大脑血液动力学功能的地图.
- 开发了一个深度学习网络,根据二氧化碳吸入MRI参考方法对CVR和BAT地图进行培训.
- 包括健康的年轻人/老年人和患有莫亚莫亚病和脑瘤的患者的数据.
主要成果:
- 使用rs-fMRI和深度学习成功地绘制了CVR和BAT,利用静止状态CO2变化.
- 证明了该方法在识别血管异常,评估重血管化和评估与衰老相关的血管变化的有效性.
- 在健康志愿者和中风患者中展示了基于深度学习的脑血管图的出色可重现性.
结论:
- 通过rs-fMRI的深度学习分析,可以进行脑血管功能的非侵入性映射.
- 该技术为临床脑血管成像和个性化患者管理提供了一个有希望的,可重复的工具.
- 有潜力提高脑血管疾病的早期诊断和监测.
更多相关视频
07:13Cerebral Blood Flow-Based Resting State Functional Connectivity of the Human Brain using Optical Diffuse Correlation Spectroscopy
Published on: May 27, 2020
6.7K
11:28Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
Published on: June 30, 2018
11.7K
