阿斯科普莱克斯:一种可通用的方法,用于自动细分状
Valentina Visani1, Mattia Veronese2, Francesca B Pizzini3
1Department of Information Engineering, University of Padova, Padova, Italy.
Computers in biology and medicine
|September 26, 2024
概括
在MRI扫描中,ASCHOPLEX使用深度学习精确地细分胆膜 (ChP). 该工具提供可靠的CHP体积估计,对于理解大脑疾病至关重要.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 医学图像分析 医学图像分析
背景情况:
- 胸膜 (ChP) 对于大脑平衡和脑脊液的产生至关重要.
- 精确的CHP细分具有挑战性,但对于研究神经和精神疾病来说至关重要.
- 现有的细分方法在大规模研究中缺乏准确性和可重复性.
研究的目的:
- 介绍ASCHOPLEX,这是一款用于自动化冠状腺复合体细分的新型深度学习工具.
- 为了从结构性MRI数据中进行准确和可重复的CHP体积估计.
- 改进神经和精神疾病中CHP的分析.
主要方法:
- ASCHOPLEX使用的是3D UNet,UNETR和DynUNet架构.
- 该工具在128个T1加权MRI扫描 (对照组和多发性硬化症患者) 上进行了训练.
- 微调 (ASCHOPLEXtune) 在77个T1加权PET/MRI扫描 (对照组和抑郁患者) 上进行.
主要成果:
- 在FreeSurfer和高斯混合模型中,ASCHOPLEX实现了优越的性能.
- 获得了0.80 (ASCHOPLEX) 和0.78 (ASCHOPLEXtune) 的子系数.
- 已证明的低CHP体积误差:9.22% (ASCHOPLEX) 和9.23% (ASCHOPLEXtune) 的时间.
结论:
- 阿斯科普莱克斯提供高度准确和可靠的带的细分.
- 该工具确保可重现的结果用于CHP体积估计.
- ASCHOPLEX是神经成像研究中一个有价值的工具,涉及状.
