外部评估基于深度学习的方法,用于亨廷顿病患者的自动脑体积测量

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 神经学 神经学

背景情况:

• 人工智能工具的临床验证对于采用至关重要.
• 亨廷顿病 (HD) 涉及渐进的神经退行,特别影响尾状核.
• 手动体积测量是标准的,但可能耗时且主观.

研究的目的:

• 为了验证基于AI的软件 (mdbrain) 在HD患者中进行自动大脑体积测量.
• 为了将自动化的尾状核体积测量与手动方法和既定的比率进行比较.
• 评估软件在HD的各种结构中检测大脑缩的能力.

主要方法:

• 对22名患者 (11名患有HD,11名对照) 的回顾性研究.
• 使用mdbrain软件进行自动体积测量.
• 与手动测量尾状核体积和比率的比较 (前角宽度/尾状间距,尾状间距/内表宽度).
• 统计分析包括t测试和皮尔森相关性.

主要成果:

• 在HD患者和对照人群之间的比率和尾状核体积的显著差异.
• 自动和手动尾状核体积之间的高度一致 (平均相对差异 -2.3 ± 5.5%).
• Huntington 群体的尾状细胞核,面和面显著缩.
• 自动尾状核体积与手动比率之间存在强烈的相关性.

结论:

• 自动体积测量软件 (mdbrain) 在晚期亨廷顿病中提供可靠和客观的脑缩测量.
• 人工智能工具与传统的临床评估方法有很强的相关性.
• 这项技术增强了对脑结构参与HD的客观评估,包括难以手动评估的结构.