在3TMRI上对梅内尔特基底核的深度学习细分
D J Doss1,2,3, G W Johnson4,2,3, S Narasimhan4,2,3,5
1From the Department of Biomedical Engineering (D.J.D., G.W.J., S.N., H.F.J.G., C. Chang., V.L.M., C. Constantinidis, D.J.E.), Vanderbilt University, Nashville, Tennessee derekjdoss@gmail.com.
AJNR. American journal of neuroradiology
|August 10, 2023
概括
我们开发了一种深度学习模型,使用3T核磁共振 (MRI) 准确对梅内尔特基底核进行细分. 这种工具有助于研究兴奋和认知,有可能推进深度大脑刺激疗法.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 神经解剖学是一个神经解剖学.
背景情况:
- 梅内尔特的基底核对于唤醒和认知至关重要.
- 它是一个潜在的深度大脑刺激目标.
- 挑战包括小尺寸,可变性和3TMRI上的差异.
研究的目的:
- 建立和评估一个深度学习网络,用于对Meynert的基底核进行自动,准确,针对患者的细分.
- 为了克服手动细分3T磁共振成像的局限性.
主要方法:
- 来自21名健康受试者的3T和7T核磁共振成像数据.
- 专家对7TMRI的细分作为3T数据的基本真相.
- 一个3D-Unet卷积神经网络被训练和验证.
- 在14名患者的外部数据集上进行了测试.
主要成果:
- 与标准的概率图谱相比,深度学习模型在健康受试者 (0.68对0.45) 和患者 (0.64对0.37) 中显著提高了子系数.
- 该模型显示,患者的中枢肌距离显著减少 (1.18毫米对3.09毫米).
结论:
- 开发了第一个自动化,针对患者的细分模型,用于Meynert的基底核.
- 这种模型促进了对核的进一步研究.
- 潜在影响新疗法,如深度大脑刺激.
