通过MRICloud自动对Heschl环和时间平面进行分割

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 医学图像分析 医学图像分析

背景情况:

• 精确细分特定的大脑区域,如赫斯尔 (HG) 和时间平面 (PT),对于神经成像研究至关重要.
• 手动细分是耗时的,并且受限于评价者之间的变化.
• 现有的自动化工具可能无法精确地划分这些复杂的解剖结构.

研究的目的:

• 使用MRICloud平台开发和验证一个用于细分Heschl gyrus (HG) 和planum temporale (PT) 的自动化工具.
• 创建一个公开可访问的多图谱,用于自动化HG和PT细分.
• 为了比较自动细分与手动细分的准确性.

主要方法:

• 利用MRICloud,这是一个基于云的平台,用于自动化大脑MRI细分.
• 通过手动重新分割31个大脑来开发一个修改后的多图谱,以包括HG和PT的详细标签.
• 将修改后的地图集上传到MRICloud,并将自动细分与10名健康成年人的手动细分进行比较,使用子相似系数 (DSC),豪斯多夫距离 (HD) 和类内相关系数 (ICC).

主要成果:

• 自动化细分实现了HG和PT的平均DSC为0.62±0.07.
• 平均豪斯多夫距离 (HD) 是8.10±3.47毫米.
• 0.83 (0.68-0.91) 的类内相关系数 (ICC) 表示适当的自动细分精度.

结论:

• 为MRICloud开发的多地图库提供了一种有效的自动化方法来对HG和PT进行细分.
• 这种工具可以显著减少手动细分工作量和定义HG和PT解剖学的模糊性.
• 未来的应用包括使用这种自动化细分协议研究听力相关疾病中的MRI变化.