通过使用Gradio-CNN框架,在群体水平上对下丘脑和内体积进行细分

科学领域:

• 神经成像是一种神经成像.
• 医疗信息学 医疗信息学
• 人工智能在医学中的应用

背景情况:

• 精确细分大脑结构,如下丘脑和内体积 (ICV) 对于神经成像研究至关重要.
• 现有的细分方法可能耗时,需要专门的专业知识.
• 需要为自动脑磁共振分析提供可访问和高效的工具.

研究的目的:

• 开发和评估一个图形用户界面 (GUI),用于在脑MRI扫描中对下丘脑和内体积 (ICV) 的自动细分.
• 为神经成像研究人员创建一个易于访问和易于使用的工具.
• 为了促进研究应用的高效和准确的细分.

主要方法:

• 使用Gradio库开发了一个基于Web的GUI,集成深度学习U-Net模型进行细分.
• 图形用户界面允许用户上传MRI扫描,可视化结果,计算体积,并执行手动校正.
• 该接口通过ngrok部署,以便在设备和操作系统之间广泛访问.

主要成果:

• 图形界面展示了高的可用性和效率,用于下丘脑和ICV细分.
• 在帕金森病患者和对照人群之间没有发现正常化下丘脑体积的显著差异.
• 在标准的GPU上,细分处理时间是高效的 (18s用于下丘脑,44s用于ICV).

结论:

• 开发的GUI为神经成像应用提供了强大且易于使用的解决方案.
• 该工具通过直观的界面,准确的深度学习模型和易于部署来简化大脑MRI分析.
• 这种方法有可能显著改善神经成像研究的工作流程.