开发人类结合体项目:一个基于深度学习的快速管道,用于新生儿皮质表面重建
Qiang Ma1, Kaili Liang2, Liu Li1
1Department of Computing, Imperial College London, UK.
Medical image analysis
|December 4, 2024
概括
一个新的深度学习管道极大地加速新生儿大脑MRI分析,减少了1000倍的处理时间. 这种快速方法重建皮质表面,提高发育神经科学研究的效率.
科学领域:
- 神经成像是一种神经成像.
- 发育神经科学的发展神经科学.
- 医学图像分析 医学图像分析
背景情况:
- 开发人类结合体项目 (dHCP) 使用结构性MRI研究围产期大脑发育.
- 目前用于皮层表面重建的自动化管道耗时,阻碍了大规模研究.
研究的目的:
- 在dHCP中开发一个显著更快的基于深度学习 (DL) 的管道,用于新生儿皮质表面重建.
- 为了提高处理新生儿大脑MRI数据的效率和可扩展性.
主要方法:
- 实施了一条DL管道,包括基于DL的脑部提取,表面重建和球形投影.
- 利用多尺度变形网络从T2加权的MRI进行端到端的不同形状皮质表面重建.
- 整合了一种快速,无监督的球形绘图方法,以尽量减少扭曲.
- 采用GPU加速用于皮层表面膨胀和特征估计.
主要成果:
- 基于DL的管道在24秒内处理一次MRI扫描,比原来的dHCP管道增加了近1000倍的速度.
- 在82.5%的测试样本中,皮质表面重建质量高于或等于原始管道.
- 为dHCP新生儿数据集实现了高质量的皮质表面提取.
结论:
- 拟议的基于DL的管道为新生儿皮质表面重建提供了高效和准确的解决方案.
- 这种加速方法可以促进大规模的神经成像研究早期大脑发育.
- 该管道展示了深度学习的潜力,可以彻底改变医疗图像处理工作流程.
