一个快速而强大的海马子场细分:HSF揭示了寿命体积动态
Clement Poiret1,2,3, Antoine Bouyeure1,2,3, Sandesh Patil1,2,3
1UNIACT, NeuroSpin, CEA Paris-Saclay, Frederic Joliot Institute, Gif-sur-Yvette, France.
Frontiers in neuroinformatics
|July 3, 2023
概括
一个新的深度学习工具,海马细分工厂 (HSF),准确地细分了对记忆至关重要的大脑结构. 它揭示了大脑发育和衰老如何在男性和女性中对这些区域产生不同的影响.
科学领域:
- 神经成像是一种神经成像.
- 神经解剖学是一个神经解剖学.
- 发育神经科学的发展神经科学.
背景情况:
- 河马子场对于情节性记忆至关重要,并表现出明显的结构特征.
- 了解整个生命周期的海马子子子体积对于研究记忆的发展和衰退至关重要.
- 目前用于小海马子的MRI细分方法缺乏标准化,存在挑战.
研究的目的:
- 引入和验证一种新的,自动化的深度学习工具,海马细分工厂 (HSF),用于细分海马子领域.
- 用HSF工具评估年龄和性别对海马子子子场体积的影响.
- 为了协调关于海马子场寿命轨迹的相互矛盾的发现.
主要方法:
- 开发了一个端到端的深度学习管道 (HSF) 用于海马子领域的自动细分.
- 通过使用子系数,豪斯多夫距离和体积相似性,与已建立的工具 (ASHS,HIPS,HippUnfold) 验证HSF.
- 将HSF应用于来自HCP数据集 (发育,年轻人,衰老) 的3750名受试者,以分析年龄和性别的影响.
主要成果:
- 与现有工具相比,HSF表现出卓越的准确性,与手动细分密切匹配.
- 在海马子的各个子域中观察到显著的差异性成熟和衰老效应,牙状环最受年龄影响.
- 与女性相比,大多数海马子场在男性中显示出加速增长和衰退.
结论:
- HSF提供了一个快速,强大的,准确的解决方案,用于海马子的细分,克服当前方法的局限性.
- 这项研究阐明了海马子的不同发育和衰老轨迹,受年龄和性别的影响.
- 这些发现有助于更统一地理解人类一生中与记忆有关的大脑结构变化.
