一种数据驱动的方法,用于软组织生物标记物识别,与奇亚里样形和注射腺菌相关
Jake Cumber1,2, Emma Scales-Theobald1,2, Clare Rusbridge2,3,4
1Centre for Vision Speech and Signal Processing (CVSSP), University of Surrey, Guildford, United Kingdom.
现在可以更客观地诊断出可基脑症狗的犬类奇亚里样形 (CM) 和相关疼痛 (CM-P) 和注射腺瘤 (SM). 机器学习确定了关键的头骨和脊柱MRI特征,以更好地检测这些衰弱的疾病.
科学领域:
- 兽医神经学 兽医神经学
- 神经成像是一种神经成像.
- 机器学习在动物健康中的应用
背景情况:
- 狗的奇亚里样形 (CM) 是一种复杂的神经解剖学疾病,引起疼痛 (CM-P) 和神经形 (SM),特别是在脑型犬种中.
- 目前的CM-P诊断依赖于临床症状和MRI,通常需要排除其他疼痛原因,突出需要客观生物标志物.
- CM导致神经障碍,严重影响受影响狗的生活质量.
研究的目的:
- 在使用MRI的狗中识别与CM-P和SM相关的头骨和脊柱病理和神经形态.
- 开发数据驱动的生物标志物,用于客观的CM-P诊断和识别SM发展的风险.
- 为了利用机器学习,更好地了解头症狗的CM和SM病理.
主要方法:
- 利用疑似CM的狗的MRI扫描.
- 应用机器学习算法来分析头骨和脊柱形态,并确定感兴趣的区域.
- 与CM-P和SM的临床诊断相关联的确定形态特征.
主要成果:
- 确定了四个关键的兴趣区域,对CM-P歧视具有89%的敏感性和76%的特异性.
- 发现了与CM-P相关的特定形态特征.
- 确定了四个感兴趣的地区,对SM歧视有84%的敏感度和80%的特异性.
结论:
- 独特的头骨和脊柱形态与狗的CM-P和SM有关.
- 对MRI数据的机器学习分析提供了更准确和客观的CM-P和SM诊断的潜力.
- 这些发现有助于进一步了解CM和SM,支持基于数据的方法来诊断这些条件在头型品种.
更多相关视频
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
04:25Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies
Published on: December 15, 2023
相关概念视频
Labeling DNA Probes
Radioisotopes, fluorophores, or small molecule binding partners like biotin or digoxigenin, are the most widely used reporter tags for labeling DNA probes. These labels can be attached to the probe DNA molecule via...
Immunofluorescence Microscopy
The...
Immunogold Electron Microscopy
Differential Staining Technique
Special Staining Techniques
Methods of Classification and Identification
