一种神经网络方法来识别解剖学大脑MRI的左右方向

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 医学图像分析 医学图像分析

背景情况:

• 在脑MRI中错误识别左右方向是一个重大挑战.
• 丢失或模两可的元数据源于非识别,格式转换和软件操作.
• 较旧的成像系统也以不同的方式存储定向数据,导致误识.

研究的目的:

• 为在解剖学大脑MRI扫描中准确地识别左右方向提供一种新的深度学习应用程序.
• 为应对脑MRI数据集中的元数据丢失或模糊性所带来的挑战.
• 通过准确的图像定向来提高神经成像研究的可靠性.

主要方法:

• 开发了一个三维卷积神经网络 (3D CNN) 模型.
• 该模型经过350次MRI扫描的训练.
• 在八个不同的大脑MRI数据库上评估了表现,共计3056次扫描,包括神经退行性疾病患者.

主要成果:

• 深度学习框架在识别左向右倾向方面实现了99.8%的准确性.
• GradCAM可视化突出显示了正确的时间平面作为方向确定的一个关键区域.
• 生物有效性得到了planum temporale与语言功能相关的已知不对称性的支持.

结论:

• 拟议的深度学习方法为脑MRI中持续存在的左右误导提供了强有力的解决方案.
• 准确的定向识别确保了可靠的数据解释,加强了神经科学研究的完整性.
• 这种方法有可能显著提高大脑MRI数据的质量和可用性,用于研究目的.