在胎儿大脑中自动地皮层表面分片,使用注意力关闭的球形U网
Sungmin You1,2, Anette De Leon Barba1, Valeria Cruz Tamayo1
1Fetal Neonatal Neuroimaging and Developmental Science Center, Boston Children's Hospital, Harvard Medical School, Boston, MA, United States.
Frontiers in neuroscience
|June 14, 2024
概括
一种新的深度学习模型,即注意力聚焦的球形U网,准确地执行胎儿大脑皮质表面分片. 这种方法通过提高对区域异常的敏感性来提高神经发育障碍的早期检测.
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:
- 准确的皮质表面分片对于理解胎儿神经发育至关重要.
- 目前用于胎儿大脑分片的现有方法在精度和灵敏度方面存在局限.
研究的目的:
- 开发和验证一种新的深度学习模型,用于胎儿大脑的自动皮质表面分片.
- 将拟议模型的性能与现有方法进行比较.
主要方法:
- 开发一个关注的球形U-net模型.
- 使用55个典型发育的胎儿的MRI数据进行培训和验证.
- 基于表面登记的方法和原始球形U-net的比较分析.
主要成果:
- 与以前的方法相比,拟议的模型实现了显著更高的子系数 (0.899 ± 0.020).
- 证明了最小的中间边界距离 (2.47 ± 1.322 mm) 和表面积测量的平均绝对百分比误差 (10.40 ± 2.64%).
- 注意门在捕获微妙但重要的皮质表面信息方面是有效的.
结论:
- 专注的球形U网为胎儿大脑皮质表面分片提供了精确和准确的方法.
- 这种模型可以增强区域皮层异常的检测.
- 潜在的早期识别神经发育障碍的胎儿.
