基于Res-Net的建模和深髓静脉的形态分析使用多回声GRE在7TMRI上的深髓静脉
Zhixin Li1,2,3, Li Liang4, Jinyuan Zhang1,3
1State Key Laboratory of Cognitive Science and Mental Health, Institute of Biophysics, Chinese Academy of Sciences, Beijing, China.
NMR in biomedicine
|April 17, 2025
概括
这项研究引入了一种自动化方法,用于模拟和量化使用7特斯拉MRI的深髓静脉 (DMV). 这种新的方法准确地测量了DMV形态,揭示了皮下血管痴呆症 (SVaD) 患者的显著差异.
科学领域:
- 神经成像是一种神经成像.
- 医学图像分析 医学图像分析
- 血管神经学 血管神经学
背景情况:
- 深髓静脉 (DMV) 的病理变化与各种疾病有关.
- 准确的DMV建模和量化在当前医学成像中存在重大挑战.
- 深髓静脉在脑小血管疾病中起着至关重要的作用.
研究的目的:
- 提出和评估一个自动化的方法来建模和量化DMV使用7特斯拉 (7T) MRI.
- 与对照组相比,评估皮下血管痴呆症 (SVaD) 患者的DMVs的几何参数.
- 确定DMV形态参数在脑小血管疾病的研究和诊断中的实用性.
主要方法:
- 开发一个多回声输入的Res-Net,用于精确地对DMV进行血管细分.
- 实现最小路径损失函数,以准确建模和量化DMV几何参数.
- 从21名SVaD患者和20名对照人群获得5个7T的渐变回声图像,并进行手动标记以进行比较.
主要成果:
- 自动化方法显示了高精度,与手动标签相比,中心线检测没有显著的偏移 (p=0.734).
- 自动化方法和手动标签之间的长度差异小于临床间的变化 (p<0.001).
- SVaD患者的DMV显著减少 (p=0.011) 和曲率更高 (p<0.0001),与认知能力下降相关 (VaDAS-Cog和MMSE得分).
结论:
- 一个用于DMV形态参数自动定量化的新型框架已成功开发和验证.
- 与手动分析相比,拟议的方法提供了更高的准确性和一致性,减少了观察者之间的变化.
- 量化DMV特征显示出作为研究和临床诊断大脑小血管疾病的生物标志物的前景,特别是在SVaD中.
