在的神经成像中深度学习
Karla Batista García-Ramó1, Carlos A Sanchez-Catasus2, Gavin P Winston3
1Group of Neuroimaging Processing, International Center for Neurological Restoration, Cuba; Department of Clinical Investigations, Center of Isotopes, Cuba.
Clinical neurology and neurosurgery
|July 20, 2023
概括
深度学习 (DL) 应用于神经成像助力焦点的评估,改善诊断,病变检测和预测手术结果. 这项技术显示了个性化治疗和网络障碍理解的前景.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 深度学习 (DL) 提供了从医疗数据中提取高级功能,超过了传统的机器学习.
- 像MRI和PET这样的神经成像模式在研究中越来越多地被使用.
- 焦点性,特别是耐药性病例,受益于先进的诊断和预后工具.
研究的目的:
- 审查DL在焦点神经成像中的应用,重点是手术前评估.
- 提供DL技术的概述及其在诊断,横向化和结果预测中的使用.
- 讨论当前的局限性,挑战和研究中的DL的未来方向.
主要方法:
- 关于DL在焦点神经成像中的应用现有文献的综述.
- 人工神经网络和深度学习原则的理论概述.
- 在结构性MRI (sMRI),功能性MRI (fMRI),扩散加权成像 (DWI) 和PET中使用DL的分析.
主要成果:
- DL在自动化病变检测,诊断和焦点的横向化方面表现出实用性.
- 在药物耐药中,DL有助于术前评估和预测术后结果.
- DL可以通过视觉检查分析被认为是负面的神经成像数据,提供新的见解.
结论:
- 神经成像中的DL是个性化治疗和理解作为网络障碍的潜在重要工具.
- 更广泛的多中心合作和开放访问工具对于推动研究中的DL至关重要.
- DL可以增强临床实践,特别是在具有挑战性的病例和预测治疗成功的情况下.
更多相关视频
09:00Investigating the Function of Deep Cortical and Subcortical Structures Using Stereotactic Electroencephalography: Lessons from the Anterior Cingulate Cortex
Published on: April 15, 2015
12.4K
09:41A Pipeline for 3D Multimodality Image Integration and Computer-assisted Planning in Epilepsy Surgery
Published on: May 20, 2016
12.4K
