使用卷积神经网络预测大脑白质中病变的程度
Noriaki Takemura1, Yuya Shinkawa2, Kazuo Ishii1,3
1Department of Applied Information Engineering, Faculty of Engineering, Suwa University of Science, Chino, Nagano, Japan.
PloS one
|November 11, 2024
概括
这项研究引入了一种新的基于MRI的脑白质病变诊断方法. 这些发现揭示了病变严重程度和高血压之间的相关性,表明较高的病变等级表明高血压风险增加.
科学领域:
- 医疗成像医学成像
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 大脑白质病变很常见,并与各种健康状况有关.
- 准确的诊断和了解它们与其他健康标志物的关系至关重要.
研究的目的:
- 用MRI开发一种用于大脑白质病变的新型诊断方法.
- 调查病变特征与医疗检查数据 (包括高血压) 之间的关系.
主要方法:
- 使用卷积神经网络 (CNN) 模型与MRI图像 (FLAIR和T1加权) 来分类损伤等级.
- 通过改变图像参数 (像素尺寸,轴切片范围) 来优化CNN性能.
- 采用并发网络图来分析损伤等级,生化标志物和血压之间的关联.
主要成果:
- 在CNN实现了高的歧视性能,曲线下的面积 (AUC) 值从0.9814到0.9998在损伤等级0-4.
- 通过80像素/侧面和轴切片9-15实现了优化的CNN性能.
- 同时发生的网络分析表明,高血压严重程度的增加趋势与较高的大脑白质病变等级的增加趋势.
结论:
- 开发的基于MRI的CNN方法在诊断大脑白质病变方面非常有效.
- 大脑白质病变的严重程度和高血压的程度之间存在显著的关联.
