DLMUSE:使用深度学习在几秒钟内进行强大的大脑细分
Vishnu M Bashyam1, Guray Erus1, Yuhan Cui1
1Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, 3700 Hamilton Wlk, 7th Fl, Philadelphia, PA 19104.
Radiology. Artificial intelligence
|September 17, 2025
概括
一个开源的深度学习模型,DLMUSE,提供了快速的,自动化的大脑MRI细分. 这种工具可以促进大规模的神经成像研究,其性能与最先进的方法相美.
科学领域:
- 医学成像和放射学医学成像和放射学
- 人工智能在医学中的应用
- 神经科学和神经成像技术
背景情况:
- 准确而高效的脑MRI细分对于大规模的神经成像研究至关重要.
- 当前的细分方法可能耗时,需要大量的人类监督.
- 深度学习为神经科学中复杂的图像分析任务的自动化提供了潜力.
研究的目的:
- 介绍DLMUSE,一个开源的深度学习模型,用于完全自动化的脑MRI细分.
- 为了实现快速细分,以促进大规模的神经成像研究.
- 为高级细分方法提供用户友好的工具.
主要方法:
- 开发了一个深度学习模型,在1900个不同的MRI扫描中训练有素,使用多图表和人类监督的标签.
- 通过使用Dice相似性和Pearson相关性对14项研究中的71,391次扫描验证了该模型.
- 对大脑年龄和阿尔茨海默病分类的下游预测性能进行评估.
主要成果:
- 对于参考细分,DLMUSE实现了高相关性 (r=0.93-0.95) 和一致性 (Dice分数为0.84-0.89).
- 大脑年龄预测和阿尔茨海默病分类表现与参考方法相当.
- DLMUSE细分速度比参考方法快1万倍以上 (3.5秒对14小时).
结论:
- DLMUSE能够快速进行脑部MRI细分,其性能与最先进的方法相美.
- 开源工具和Web界面有助于大规模的神经成像研究.
- DLMUSE促进了先进的大脑细分技术的更广泛使用.
