自主监督学习用于准确建模大脑血管系统的等级进化模式
Bin Guo1,2, Ying Chen2,3, Jinping Lin1
1Xiamen Key Laboratory of Psychoradiology and Neuromodulation, Department of Radiology, West China Xiamen Hospital of Sichuan University, Xiamen, China.
Nature communications
|October 25, 2024
概括
这项研究引入了一种新方法,可以随着时间的推移跟踪大脑动脉和皮质体积. 它揭示了阿尔茨海默氏症患者的显著体积减少.
科学领域:
- 神经成像是一种神经成像.
- 血管生物学 血管生物学
- 神经学 神经学
背景情况:
- 脑血管异常是神经疾病的关键指标,如中风和阿尔茨海默病 (AD).
- 了解随着时间的推移大脑血管结构的典型变化对于早期检测和干预至关重要.
- 目前的研究缺乏关于皮层和动脉体积共同演变的综合模型.
研究的目的:
- 开发和验证一种新的管道,用于分析皮质体积 (CVs) 和动脉体积 (AVs) 的联合演变.
- 建立CVs和AVs在一个大队伍中跨层次大脑区域的规范模型.
- 为了研究衰老,阿尔茨海默病和中风对这些大脑结构的影响.
主要方法:
- 利用先进的深度学习技术,精确地对船舶进行细分.
- 分析了来自2841个个体的大队伍的数据.
- 为CVs和AVs开发了空间层次的规范模型.
主要成果:
- 已建立的规范模型显示AVs的与年龄相关的一般下降,具有特定的区域差异 (例如,威利斯圆).
- 与健康对照人群相比,在AD和中风患者中发现了CV和AV的显著减少.
- 在阿尔茨海默病患者中观察到最明显的体积减小,表明对大脑结构的严重影响.
- 发现了大脑体积变化中的性别特异性模式.
结论:
- 拟议的管道提供了一种新的方法来量化脑血管和皮质体积变化.
- 研究结果强调了与衰老,AD和中风相关的大脑血管系统的显著变化.
- 该研究提供了对性别特异性影响和这些疾病的结构性影响的关键见解,为未来的临床评估提供了信息.
