"Recon-all-clinical":皮质表面重建和分析异质的临床大脑MRI

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
• 计算神经科学是一种神经科学.

背景情况:

• 对大脑皮层的基于表面的分析对于神经成像研究至关重要.
• 目前的方法需要高分辨率的MRI扫描,限制了大量临床数据的使用.
• 临床MRI扫描通常是异构的,并且缺乏传统分析的最佳对比度.

研究的目的:

• 引入rec-all-clinical,一种用于临床大脑MRI扫描上皮质重建,注册,分片和厚度估计的新方法.
• 为了使大规模的神经成像研究使用不同的临床MRI数据,无论分辨率或对比度.
• 为了克服异质临床数据集的传统基于表面的分析的局限性.

主要方法:

• 一种混合方法,将卷积神经网络 (CNN) 与域随机化相结合,用于预测签名距离函数 (SDF).
• 经典几何处理用于精确的表面放置,确保拓和几何约束.
• 该方法旨在实现广泛的应用,而无需为不同的MRI采集重新培训.

主要成果:

• recon-all-clinical在各种MRI对比度和分辨率上展示了几何精确的皮质重建.
• 在皮层分片中始终实现了高精度.
• 皮质厚度估计足以检测衰老效应,独立于MRI对比度,尽管准确性因切片厚度而异.

结论:

• recon-all-clinical成功地在各种临床MRI扫描上实现了详细的皮质分析.
• 这一进步促进了大规模的神经成像研究,特别是对于罕见疾病和代表性不足的人群.
• 该方法是公开的,促进了更广泛的研究可访问性.