通过基于卷积神经网络的自动细分来量化肌性侧面硬化症中下丘脑缩的AI辅助量化

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:

• 下丘脑对于新陈代谢平衡,睡眠和温度调节至关重要.
• 脑下垂体体积的变化与神经退行性疾病 (如ALS和痴呆症) 有关.
• 手动MRI对下丘脑进行细分是耗时且依赖于操作者的,阻碍了大规模研究.

研究的目的:

• 开发一种全自动的深度学习方法,用于下丘脑细分和体积量化.
• 将这种自动化方法应用于大量的ALS患者和健康对照的数据集.
• 评估人工智能驱动的下丘脑分析在识别与疾病相关的结构变化的有用性.

主要方法:

• 一个深度卷积神经网络 (CNN) 与U-Net架构和EfficientNetB0骨干被用于自动细分.
• 该方法在包含432名ALS患者和112名健康对照的数据集上得到了验证.
• 使用自动化细分工具量化了正常化的下丘脑体积.

主要成果:

• 人工智能方法实现了快速,准确的下丘脑细分和体积量化.
• 与对照人群相比,自动化分析成功地在ALS患者中复制了已知的下丘脑缩.
• 检测到显著的群体级体积差异,证明了该方法的灵敏度.

结论:

• 一种快速,公正,公开可用的人工智能辅助的下丘脑量化方法已经开发出来.
• 这种工具有助于大规模的神经成像研究影响下丘脑的条件.
• 该方法对识别神经退行性疾病中微妙的结构变化充满希望.