深度学习微观结构估计发育中的大脑从扩散MRI:一个新生儿和胎儿研究研究
Hamza Kebiri1,2,3, Ali Gholipour3, Lana Vasung4
1CIBM Center for Biomedical Imaging, Switzerland.
bioRxiv : the preprint server for biology
|July 10, 2023
概括
深度学习可以使用最小的扩散权重成像 (dMRI) 测量进行准确的脑白质分析. 这种方法对于研究新生儿和胎儿的大脑发育至关重要,克服了数据采集的局限性.
科学领域:
- 神经成像是一种神经成像.
- 生物医学工程 生物医学工程
- 计算神经科学是一种神经科学.
背景情况:
- 扩散权重磁共振成像 (dMRI) 对于评估大脑白质结构至关重要.
- 估计纤维方向分布函数 (FOD) 通常需要广泛的dMRI测量,对新生儿和胎儿等脆弱人群构成挑战.
- 现有的方法在儿童神经成像中常见的有限的dMRI数据中扎.
结论:
- 深度学习为克服儿科神经成像中的dMRI数据限制提供了一个强大的解决方案,特别是用于研究发育中的大脑.
- 尽管有进展,但dMRI在分析早期大脑发育方面存在固有的局限性.
- 建议进一步开发专门的方法,以加强使用神经成像技术研究早期人类大脑发育.
更多相关视频
08:49Whole-Brain Single-Cell Imaging and Analysis of Intact Neonatal Mouse Brains Using MRI, Tissue Clearing, and Light-Sheet Microscopy
Published on: August 1, 2022
3.6K
13:26Measuring Connectivity in the Primary Visual Pathway in Human Albinism Using Diffusion Tensor Imaging and Tractography
Published on: August 11, 2016
12.3K