多标签SegSRGAN-A框架用于MRI中早产大脑的分片和形态测量

科学领域:

• 医疗成像医学成像
• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 新生儿磁共振成像 (MRI) 对于评估早产婴儿的神经发育问题至关重要.
• 临床MRI数据存在挑战,因为内在的图像特性和采集可变性,需要强大的细分方法.
• 准确的细分对于从新生儿大脑MRI图像中获得可靠的生物标志物至关重要.

研究的目的:

• 扩展SegSRGAN方法用于新生儿脑部MRI的多标签细分.
• 在这种情况下,开发和验证一个质量控制协议,以评估细分精度.
• 评估SegSRGAN适用于新生儿大脑形态测量和生物标志物发现的临床研究.

主要方法:

• 扩展SegSRGAN用于多标签细分,将MRI图像分成特定的大脑组织/区域标签.
• 开发一种质量控制协议,结合专家分析,形态测量和拓性质.
• 该方法和协议应用于EPIRMEX新生儿MRI数据集.

主要成果:

• 成功实施多标签SegSRGAN用于新生儿大脑分片.
• 针对细分绩效评估的质量控制方案的验证.
• 调查SegSRGAN用于临床形态分析的优点和弱点.

结论:

• 增强的SegSRGAN及其质量控制协议显示出准确的新生儿大脑细分的希望.
• 这项工作是迈向3D新生儿大脑形态测量和开发新型神经发育生物标志物的基本步骤.
• 开源代码有助于进一步研究早产婴儿大脑分析.