形状受约束的可变形大脑细分:方法和定量验证
Lyubomir Zagorchev1, Damon E Hyde1, Chen Li1
1ClearPoint Neuro, Clinical Science and Applications, 120 S. Sierra Ave., Suite 100, Solana Beach, 92075, CA, USA.
NeuroImage
|February 18, 2024
概括
这项研究介绍了ClearPoint Maestro,这是一款用于MRI扫描中自动大脑细分的新型软件. 它的形状受限方法为神经外科规划和评估提供了卓越的准确性和可重复性.
科学领域:
- 医疗成像医学成像
- 神经科学是一个神经科学.
- 计算解剖学的计算解剖学
背景情况:
- 对脑结构的准确细分对于MRI指导的神经干预至关重要.
- 现有的细分方法需要对临床使用进行验证.
研究的目的:
- 引入和验证一个形状受约束的可变形大脑细分方法.
- 将其性能与手动细分和FreeSurfer进行比较.
主要方法:
- 开发了ClearPoint Maestro软件,用于从T1加权MRI完全自动地对大脑进行细分.
- 结合的形状受约束的可变形模型与voxel-wise组织细分.
- 与训练数据和实地真相相对应的验证准确性;量化可重复性.
主要成果:
- 形状受约束的方法产生了准确和高度可重现的脑部细分.
- 与手动细分和FreeSurfer相比,ClearPoint Maestro表现出优越的定量可复制性.
- 固有的基于点的对应性确保了一致的目标识别.
结论:
- 在临床神经干预中,形状受约束的可变形细分是准确和可重现的.
- ClearPoint Maestro提供了一个经过验证的,用于大脑细分的自动化解决方案.
- 该软件促进了对MRI指导手术必不可少的一致目标识别.
