通过生成对抗网络进行专门的灰质细分:对大脑白质超强度分类的应用

科学领域:

• 神经成像是一种神经成像.
• 医学图像分析 医学图像分析
• 人工智能在医学中的应用

背景情况:

• 在FLAIRMRI上的白质超强度 (WMH) 是诸如多发性硬化症 (MS) 等神经退行性疾病的关键指标.
• 目前的自动化WMH分类系统缺乏,需要先进的检测和分类方法来改进诊断和监测.
• 柔性皮层WMH (JCWMH) 由于难以准确细分灰色物质 (GM) 面膜而存在独特的分类挑战.

研究的目的:

• 开发专用灰色物质 (GM) 细分的自动化方法,以改进WMH分类,特别是JCWMH.
• 创建一个集成各种图像面具的管道,以改进GM地图并训练条件生成对抗网络 (cGAN).
• 为了使WMH基于距离心室和GM口罩的距离进行分类,减少对多序MRI输入的依赖.

主要方法:

• 开发了一种新的管道,以整合白质,脑脊液,心室和WMH口罩来改进转基因地图.
• 使用管道训练了一个条件生成对抗网络 (cGAN),以便仅使用FLAIR图像进行分类.
• 通过分析WMH和心室/GM口罩之间的距离,使用手动细分的局部数据集来进行WMH分类.

主要成果:

• 拟议的方法实现了0.76的Dice相似系数,0.69的精度和0.84的敏感性,用于JCWMH分类.
• 它显著优于使用T1衍生转基因面具的传统方法,其得分较低 (0.66,0.55,0.81).
• 自动化方法在不到一秒的时间内处理图像,而传统方法的时间超过两分钟.

结论:

• 开发的方法为WMH分析提供了一种自动化,快速和无初始化方法,仅使用FLAIR图像进行分析.
• 这一创新简化了复杂性,提高了效率,促进了WMH更准确的临床分析.
• 这些发现为改善WMH特征的大脑疾病的诊断和监测工具铺平了道路.