segcsvdWMH:基于卷积神经网络的工具,用于量化异质患者队列中的白质超强度
Erin Gibson1,2, Joel Ramirez1, Lauren Abby Woods1
1SEB Centre for Brain Resilience & Recovery, Hurvitz Brain Sciences Program, Sunnybrook Research Institute, Toronto, Canada.
Human brain mapping
|December 26, 2024
概括
一个新的AI工具segcsvdWMH准确量化脑MRI扫描中的白质超强度 (WMH). 这种工具可以改善WMH的测量,WMH是脑小血管疾病 (CSVD) 的关键标志物,在不同患者群体和成像数据中进行测量.
科学领域:
- 神经成像是一种神经成像.
- 人工智能在医学中的应用
- 脑血管疾病 脑血管疾病
背景情况:
- 白质高强度 (WMH) 是脑小血管疾病 (CSVD) 的MRI生物标志物.
- WMH与认知衰退,中风和痴呆症有关.
- 精确的WMH测量在大型,多样化的临床研究中具有挑战性,因为成像的变化.
研究的目的:
- 开发和验证segcsvdWMH,一个卷积神经网络工具,用于可靠的WMH量化.
- 改善跨异质临床数据集和成像协议的WMH测量精度.
主要方法:
- 开发segcsvdWMH使用来自七个多站点研究的大数据集 (>700个FLAIRMRI扫描).
- 采用层次分段方法和广泛的数据增强用于模型训练.
- 在各种测试数据集上对比HyperMapp3r,SAMSEG和WMH-SynthSeg的标杆 segcsvdWMH.
主要成果:
- segcsvdWMH在现有工具上表现出卓越的准确性,并显著改善了Dice的得分.
- 在各种测试数据集中获得高平均子得分 (0.86 ± 0.08).
- 显示强大的性能对抗噪声人工物和不同的WMH负担,与地面真实体积有很强的相关性 (平均r = 0.99 ± 0.01).
结论:
- segcsvdWMH为各种临床数据提供准确和强大的WMH细分.
- 该工具适用于涉及不同CSVD严重程度的患者的大规模研究.
- 改进的WMH量化可以帮助理解CSVD进展和临床结果.
