HyTract:通过混合方法集成神经网络和路径搜索算法来推进神经外科规划的路径学
Mateusz Korycinski1, Konrad A Ciecierski1, Ewa Niewiadomska-Szynkiewicz2
1Department of Artificial Intelligence Applications in Medicine and Sensitive Data Analysis, NASK National Research Institute, Kolska 12, Warsaw, 01-045, Poland.
概括
这项研究介绍了HyTract,这是一种用于大脑神经生理学轨道图的新型人工神经网络方法. HyTract能够准确地绘制高精度的手术部位附近的神经纤维图,帮助研究和手术规划.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 先进的MRI技术提供了对大脑神经生理学和神经连接的洞察.
- 了解神经网络对于大脑结构和功能至关重要.
- 神经纤维定位 (轨道图) 对于研究和手术规划至关重要.
研究的目的:
- 介绍一种新的曲谱学方法,HyTract,利用人工神经网络.
- 评估HyTract在识别神经纤维位置的准确性,特别是在外科领域附近.
- 为了确保可解释性和可适应性,曲谱法.
主要方法:
- 使用人工神经网络和路径搜索算法开发HyTract.
- 应用HyTract来重建神经纤维通道.
- 使用平均欧几里德距离与已建立的曲谱学方法进行定量比较.
主要成果:
- HyTract精确地识别了靠近外科领域的神经纤维.
- 使用HyTract计算的路径显示平均欧几里德距离为9或更低,表明准确度很好.
- 该方法的架构提供了可解释性,并促进了对新任务的适应.
结论:
- "HyTract"是一种用于神经纤维通道图的新且准确的方法.
- 该方法在手术前规划和基础科学研究中具有实际应用.
- HyTract为高级神经成像分析提供了可解释和可适应的通道重建.
