对MRI破坏对大脑细分的影响的可复制性评估

科学领域:

• 神经成像是一种神经成像.
• 医学图像分析 医学图像分析
• 数据 隐私 数据 隐私 数据

背景情况:

• 由于MR成像和面部识别技术的进步,需要对MR进行破坏,以保护患者的隐私.
• 目前对MR破坏算法的研究主要集中在患者的识别能力上.
• 核磁共振损伤对神经图像处理的影响在很大程度上仍未被探索.

研究的目的:

• 评估八个MRI变形算法对它们对神经图像处理的影响.
• 用两个神经成像管道来评估损坏对大脑细分一致性的影响.

主要方法:

• 在179名受试者 (OASIS-3) 和21名受试者 (Kirby-21) 上对8个MR破坏算法的定性评估.
• 使用SLANT和FreeSurfer管道对原始和被破坏的MR图像进行细分一致性的比较.
• 使用子相似系数进行定量评估.

主要成果:

• 毁容可以显著改变大脑细分,并导致灾难性的失败,在算法中频率不同 (例如,Quickshear,MRI_Deface,FSL_deface).
• 与FreeSurfer相比,SLANT管道对损坏引起的变化不那么容易受到影响.
• 在质量检查的输出上,破坏效应不如重新扫描效应明显.

结论:

• MR的破坏效应是显著的,需要仔细考虑.
• 在数据集发布之前,强大的破坏算法选择和严格的质量控制是必不可少的.
• 使用多个大脑细分管道可以提高涉及损坏的MRI分析的可靠性.