在患有单边脑的儿童中,自动脑量化

科学领域:

• 神经成像是一种神经成像.
• 儿科神经学 儿科神经学
• 人工智能在医学中的应用

背景情况:

• 在患有性单侧脑 (uCP) 的儿童中评估大脑损伤存在重大临床挑战.
• 准确量化大脑结构和病变对于了解疾病进展和结果至关重要.

研究的目的:

• 开发和验证深度学习管道,用于自动量化 uCP 儿童无病变大脑体积的自动量化.
• 为了将自动体积测量与损伤程度和临床结果相关联.

主要方法:

• 利用了儿科患者的T1加权和FLAIRMRI数据.
• 开发了用于自动大脑结构和损伤细分的深度学习模型.
• 验证了关于独立数据集和临床评估的管道.

主要成果:

• 这些模型表现出强大的细分性能,即使在严重脑部改变的情况下也是如此.
• 在受影响半球中确定了减少的无病变体积,与病变程度相关 (p < 0.05).
• 发现了区域性无损伤体积 (例如,丘脑) 和运动/视觉结果 (p < 0.05) 之间的关联.

结论:

• 自动化无病变体积量化是评估UCP脑损伤的一个有价值的工具.
• 这种方法有助于探索儿童神经系统疾病中的大脑结构功能关系.
• 支持人工智能驱动的神经成像分析的临床实用性,以改善患者护理.