相关实验视频
Updated: Jun 24, 2025
09:32
Cortical Source Analysis of High-Density EEG Recordings in Children
Published on: June 30, 2014
21.3K
皮层结构变异在基于深度学习的胎儿大脑年龄预测中的作用
Hyeokjin Kwon1,2, Sungmin You2,3, Hyuk Jin Yun2,3,4
1Department of Electronic Engineering, Hanyang University, Seoul, Republic of Korea.
Frontiers in neuroscience
|June 7, 2024
概括
深度学习模型使用MRI预测胎儿大脑年龄. 皮质形状特征如体积,表面积和折叠模式显著影响年龄预测的准确性,有助于理解大脑发育.
科学领域:
- 神经成像是一种神经成像.
- 发育神经科学的发展神经科学.
- 人工智能在医学中的应用
背景情况:
- 深度学习模型通过MRI估计胎儿的大脑年龄,以检测发育异常.
- 以前的研究使用突出地图来识别重要的大脑区域,但没有探索形状特征对预测胎儿大脑年龄差异的影响.
研究的目的:
- 研究预测的大脑年龄差异 (PAD) 与全球/区域皮质结构特征之间的关联.
- 阐明与形状相关的皮质特征如何影响基于深度学习的胎儿大脑年龄估计的准确性.
主要方法:
- 利用卷积神经网络模型从MRI数据中估计大脑年龄.
- 进行回归分析,将预测的大脑年龄差异 (PAD) 与皮质体积,表面积,曲率,回转率指数和折叠深度相关联.
主要成果:
- 全球大脑体积和表面积与PAD正相关.
- 皮质表面曲率增加和折叠深度在特定区域增加,比如围地区,显著增加了PAD.
- 无组织的形图案与PAD降低有关,这表明形布局的重要性.
结论:
- 皮层结构特征,包括形状和折叠模式,是基于深度学习的胎儿大脑年龄预测差异的关键决定因素.
- 研究结果提供了对胎儿大脑年龄预测模型及其依赖神经解剖学特征的机制性见解.
