基于深度学习的儿科大脑区域细分和体积分析,用于健康儿童的一般生长模式
Hui Zheng1, Xinyun Wang1, Ming Liu1
1Department of Radiology, Xinhua Hospital, Shanghai Jiao Tong University School of Medicine, No. 1665 Kongjiang Road, Shanghai, 200092, China.
Journal of imaging informatics in medicine
|November 13, 2024
概括
这项研究利用深度学习绘制了健康儿童大脑发育的地图,发现灰色和白质量随着年龄的增长而增加,而皮层厚度则减少. 这些发现为儿童神经系统疾病提供了一个参考.
科学领域:
- 神经科学是一个神经科学.
- 儿科神经学 儿科神经学
- 医疗成像医学成像
背景情况:
- 建立规范性大脑发育数据对于识别儿科神经系统疾病至关重要.
- 之前的研究在定量体积分析和年龄特定细分方面存在局限性.
研究的目的:
- 通过深度学习,为健康儿童的大脑结构发育创建量化参考.
- 分析从童年到青春期大脑结构的年龄和性别相关差异.
主要方法:
- 在五个年龄组招募了312名健康儿童 (1.514.5岁).
- 利用深度学习工具包对T1加权MRI扫描进行大脑区域细分和体积分析.
- 计算了灰质,白质体积,皮质厚度和表面积.
主要成果:
- 总大脑体积,灰质和白质体积随着年龄的增长而增加,在两个半球.
- 海马,杏仁体和丘脑的体积也随着年龄的增长而增加.
- 皮层厚度和表面积显示随着年龄的增长而减少.
结论:
- 这项研究提供了关于儿童大脑结构发育的特定年龄的定量数据.
- 调查结果为诊断和理解儿科神经疾病提供了关键的规范性参考.
- 深度学习为发育神经科学研究提供了精确的体积分析.
