通过基于GAN的图像编辑预测多发性硬化症的与疾病相关的MRI模式
Daniel Güllmar1, Wei-Chan Hsu1, Jürgen R Reichenbach1
1Medical Physics Group, Institute for Diagnostic and Interventional Radiology, University Hospital Jena, Jena 07743, Germany; Michael Stifel Center for Data-Driven and Simulation Science, Jena 07743, Germany.
Zeitschrift fur medizinische Physik
|December 24, 2023
概括
使用StyleGAN的深度学习可以使用MRI扫描模拟多发性硬化症 (MS) 的进展. 这种方法揭示了大脑缩和病变发展的模式,有助于理解多发性硬化症的疾病标志物.
科学领域:
- 神经成像是一种神经成像.
- 人工智能在医学中的应用
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 多发性硬化症 (MS) 是一种复杂的神经退行性疾病,影响中枢神经系统.
- 磁共振成像 (MRI) 对于诊断和监测MS至关重要.
- 目前用于预测多发性硬化症进展的方法存在局限性.
研究的目的:
- 在MRI中应用深度学习模型 (StyleGAN) 模拟MS进展.
- 使用生成对抗网络探索与MS相关的图像标记.
- 为了研究大脑缩和MS进展之间的关系.
主要方法:
- 在MS患者和对照组的T1加权GREMRI和ADC地图使用StyleGAN的无监督训练.
- 隐藏空间操纵MRI图像以模拟疾病进展.
- 通过比较强度概况和计算大脑辅酶分数 (BPF) 来分析模拟的进展.
主要成果:
- StyleGAN通过潜伏空间操纵成功模拟了MS进展.
- 模拟进展显示T1加权和ADC地图中的大脑体积损失.
- 在模拟的ADC地图中观察到病变范围的增加.
结论:
- StyleGAN模型显示了研究多发性硬化症图像标记物的潜力.
- 隐藏空间操纵可以模仿MS疾病的进展和缩.
- 这种深度学习方法为MS病理生理学提供了新的见解.
