Search research articles

关于 JoVE

概览领导团队博客 JoVE 帮助中心

作者

出版流程编辑委员会范围与政策同行评审常见问题投稿

图书馆员

用户评价订阅访问资源图书馆顾问委员会常见问题

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments 存档

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教师资源中心教师网站

使用条款与条件

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序

Same author

A-eye: Automated 3D MRI segmentation and morphometric feature extraction for eye and orbit atlas construction.

PloS one·2026

Same author

An MRI Atlas of the Human Fetal Brain: Reference and Segmentation Tools for Fetal Brain MRI Analysis.

Scientific data·2026

Same author

High-resolution whole-brain magnetic resonance spectroscopic imaging in youth at risk for psychosis.

Imaging neuroscience (Cambridge, Mass.)·2026

Same author

Abnormal neuronal and synaptic morphology in Down syndrome brains reproduces in human isogenic cellular models.

Cell death & disease·2026

Same author

A comparative study of deep learning for cortical lesion MRI segmentation with explainability analysis in multiple sclerosis.

NeuroImage. Clinical·2026

Same author

The MacBrain Resource Center (MBRC) rhesus macaque embryonic brain histology datasets.

Journal of anatomy·2026

Search research articles

相关实验视频

Updated: Jun 27, 2025

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

Published on: November 8, 2012

深度学习微观结构估计发育中的大脑从扩散MRI:一个新生儿和胎儿研究研究.

Hamza Kebiri¹, Ali Gholipour², Rizhong Lin³

¹CIBM Center for Biomedical Imaging, Switzerland; Department of Radiology, Lausanne University Hospital (CHUV) and University of Lausanne (UNIL), Lausanne, Switzerland; Computational Radiology Laboratory, Department of Radiology, Boston Children's Hospital and Harvard Medical School, Boston, MA, USA.

Medical image analysis

|May 3, 2024

概括

一种新的深度学习方法可以使用最小的扩散加权成像 (dWI) 测量进行准确的脑白质纤维分析. 这种方法显著改善了新生儿和胎儿的纤维方向分布函数 (FOD) 估计,克服了以前的数据采集限制.

关键词:

大脑微观结构的大脑微观结构深度学习是一种深度学习.胎儿胎儿是一个胎儿纤维导向分布的分布方式新生儿的新生儿

更多相关视频

Whole-Brain Single-Cell Imaging and Analysis of Intact Neonatal Mouse Brains Using MRI, Tissue Clearing, and Light-Sheet Microscopy

Whole-Brain Single-Cell Imaging and Analysis of Intact Neonatal Mouse Brains Using MRI, Tissue Clearing, and Light-Sheet Microscopy

Published on: August 1, 2022

Measuring Connectivity in the Primary Visual Pathway in Human Albinism Using Diffusion Tensor Imaging and Tractography

Measuring Connectivity in the Primary Visual Pathway in Human Albinism Using Diffusion Tensor Imaging and Tractography

Published on: August 11, 2016

相关实验视频

Last Updated: Jun 27, 2025

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

Published on: November 8, 2012

Whole-Brain Single-Cell Imaging and Analysis of Intact Neonatal Mouse Brains Using MRI, Tissue Clearing, and Light-Sheet Microscopy

Whole-Brain Single-Cell Imaging and Analysis of Intact Neonatal Mouse Brains Using MRI, Tissue Clearing, and Light-Sheet Microscopy

Published on: August 1, 2022

Measuring Connectivity in the Primary Visual Pathway in Human Albinism Using Diffusion Tensor Imaging and Tractography

Measuring Connectivity in the Primary Visual Pathway in Human Albinism Using Diffusion Tensor Imaging and Tractography

Published on: August 11, 2016

科学领域:

神经成像是一种神经成像.
医学物理医学物理
计算神经科学是一种神经科学.

背景情况:

扩散权重磁共振成像 (dMRI) 对于评估大脑白质结构至关重要.
准确估计纤维定向分布函数 (FOD) 通常需要广泛的dMRI测量,这对新生儿和胎儿等弱势群体构成挑战,因为获得时间有限.
现有的标准和深度学习方法在有限的dMRI数据下扎,特别是在发育中的大脑中.

研究的目的:

开发和验证一种新的深度学习方法,用于从减少数量的dMRI测量中计算FOD.
为了克服标准FOD计算方法的局限性,在缺乏dMRI数据的场景中,如新生儿和胎儿成像.
通过不同的扫描仪,协议和解剖结构来证明拟议的深度学习方法的通用性和准确性.

主要方法:

训练了一个深度学习模型,绘制一组最小的六个dMRI测量以准FOD,使用高角度分辨率数据作为地面真相.
该方法的性能与标准技术 (如受约束的球形解卷和其他深度学习方法) 进行了定量评估.
使用两个独立的新生儿和胎儿临床数据集评估了概括性,胎儿FOD与死后组织学数据进行了验证.

主要成果:

深度学习方法取得了与现有方法相比或优于现有方法的结果,尽管使用的dMRI测量显著减少.
与其他深度学习技术相比,对于单纤维和双纤维的voxels,该方法显示出更高的协议率 (77.5%和22.2%) 和更低的角度误差 (10°和20°).
该模型在不同的扫描仪,采集协议和解剖学变异中显示出强大的性能,首次使用dMRI成功估计了胎儿FOD.

结论:

深度学习为使用有限的体内dMRI数据在发育中的大脑中准确计算纤维方向密度提供了强大的解决方案.
拟议的方法显著提高了新生儿和胎儿先进白质谱的可行性.
尽管有进展,但dMRI在探测发育中的大脑微观结构方面的固有局限性仍然存在,这需要进一步的研究.