相关实验视频
Updated: Jun 25, 2025
10:44
Two-photon Imaging of Cellular Dynamics in the Mouse Spinal Cord
Published on: February 22, 2015
10.3K
一个新的基于CNN的图像细分管道,用于个性化的猫脊髓刺激建模
Alessandro Fasse1, Taylor Newton1, Lucy Liang2,3
1Foundation for Research on Information Technologies in Society (IT'IS), Zurich, Switzerland.
Journal of neural engineering
|May 21, 2024
概括
这项研究引入了一种自动化方法,用于创建详细的脊髓模型,这对于个性化脊髓刺激 (SCS) 治疗计划至关重要. 即使是小的细分错误也会显著影响预测的神经激活.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 医疗成像医学成像
背景情况:
- 脊髓刺激 (SCS) 用于慢性疼痛和恢复功能.
- 个性化SCS需要准确的解剖模型.
- 用于模型生成的手动细分是耗时和劳动密集的.
研究的目的:
- 开发一个自动化细分管道,用于生成高质量的脊髓模型.
- 为了促进安全有效的个性化SCS治疗计划.
- 评估细分质量对神经刺激预测的影响.
主要方法:
- 开发了一种新的卷积神经网络 (CNN) 架构,用于自动图像细分.
- 在猫脊髓MRI数据上训练CNN.
- 系统地评估管道步骤和CNN架构,使用留下一个漏洞分析,评估细分质量和预测神经招募.
主要成果:
- 自动化管道的每个步骤都逐渐提高了细分质量.
- 小细分精度差异导致预测的神经招募的显著偏差 (4-13%).
- 转移学习提高了一致性,并使新脊柱区域的概括成为可能.
结论:
- 自动细分对于准确的SCS治疗计划至关重要.
- 细分管道中的每个步骤都会对神经刺激预测产生重大影响.
- 这项工作可以实现完全自动化,个性化的SCS规划.
