自主监督学习与婴儿小脑细分和分析的应用
Yue Sun1, Limei Wang1, Kun Gao1
1Department of Radiology and Biomedical Research Imaging Center, University of North Carolina at Chapel Hill, Chapel Hill, NC, 27599, USA.
Nature communications
|August 5, 2023
概括
本研究介绍了婴儿小脑细分的自我监督学习框架,揭示了主要由灰质驱动的快速早期发育. 研究结果显示,基于性别的体积差异和自闭症男性的体积较大.
科学领域:
- 神经成像是一种神经成像.
- 发育神经科学的发展神经科学.
- 人工智能在医学中的应用
背景情况:
- 准确的婴儿小脑细分对于了解早期神经发育至关重要.
- 由于皮质折叠,低对比度和数据异质性,现有的方法面临挑战.
研究的目的:
- 为婴儿小脑细分提出一个准确的自我监督学习框架.
- 描述早期小脑发育的特征,并确定影响生长的因素.
主要方法:
- 开发了一个自我监督的学习框架,用于婴儿小脑细分.
- 从三个独立数据集中验证了358个受试者的框架准确性.
主要成果:
- 在出生后的前六个月,小脑的变化最快,最有活力.
- 灰质 (GM) 体积显著影响小脑生长,而不是白质 (WM).
- 男性的GM和WM体积比女性更大;自闭症男性的体积比神经类型男性更大.
结论:
- 拟议的框架允许准确的婴儿小脑细分.
- 早期小脑发育是动态的,在男性和自闭症患者中观察到不同的模式.
- 这种方法的更广泛应用将推动大脑小脑在典型和非典型发育中的结构和功能研究.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.0K
11:32A Flexible Platform for Monitoring Cerebellum-Dependent Sensory Associative Learning
Published on: January 19, 2022
3.5K
