用微多普勒超声波成像对动物大脑导航进行深度学习分类任务

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
• 人工智能在医学中的应用

背景情况:

• 准确的定位和导航对于高质量的神经成像数据采集至关重要.
• 功能性超声波 (fUS) 影像提供高分辨率的大脑血管可视化,用于监测大脑活动.
• 目前还缺乏一种标准化的方法来从fUS血管图像中推断大脑位置.

研究的目的:

• 开发和评估基于深度学习的框架,用于使用fUS脑图像精确定位.
• 在功能性超声波成像研究中实现可靠的导航和数据解释.

主要方法:

• 开发了一个深度学习框架,使用图像分类任务与概率回归相结合.
• 该框架是在51个大鼠脑部扫描数据集上进行训练和评估的.
• 使用GradCAM分析来解释模型的决策过程,重点是血管结构.

主要成果:

• 开发的框架实现了176微米的定位误差,训练位置间隔375微米.
• 格拉德卡姆分析表明,预测主要基于皮层下血管模式.
• 该方法在具有挑战性的条件下表现出强度和可靠性,例如皮质中风模型中的血管系统受损,错误分类没有显著增加.

结论:

• 拟议的深度学习框架为功能超声波成像提供了准确和灵活的定位.
• 该方法利用保存的血管模式,消除了预先注册引用的需要.
• 这种方法提高了神经成像的可靠性,通过在大脑血管系统内实现精确的定位.