机器学习解剖照片和表面扫描用于定量3D神经病理学

科学领域:

• 神经成像是一种神经成像.
• 计算解剖学的计算解剖学
• 数字病理学数字病理学

背景情况:

• 人类大脑银行经常收集被切割的大脑片的照片.
• 由于缺乏适当的工具,这些有价值的数据集在量化分析中未得到充分利用.
• 现有的方法,如ex vivoMRI是资源密集的,需要专门的设备和专业知识.

研究的目的:

• 引入开源软件,用于对人类大脑照片进行定量3D分析.
• 从切片图像中实现准确的3D重建和区域大脑细分.
• 为大脑体积测量研究提供一种低成本的替代体外MRI.

主要方法:

• 在FreeSurfer神经成像套件中集成的开源工具的开发.
• 使用剖析的大脑切片的照片,可选地与表面扫描相结合,进行3D重建.
• 实现每半球22个大脑区域的高分辨率3D细分,独立于切片厚度.

主要成果:

• 使用合成和真实大脑银行数据验证了3D重建和细分的准确性.
• 从照片中获得的体积测量和ex vivoMRI之间有很高的相关性.
• 成功检测出阿尔茨海默病病例和对照人群之间大脑结构的预期差异.

结论:

• 开发的开源工具提供了一个准确且易于使用的方法,用于从照片中进行3D定量大脑分析.
• 这种方法显著降低了大脑体积测量研究的入门障碍,补充或取代了ex vivoMRI.
• 这些工具可以利用现有的脑库资源,更深入地了解像阿尔茨海默氏症这样的神经退行性疾病.