一个深度学习框架,用于在早期发育过程中合成婴儿脑长度MRI.
Yu Fang1, Honglin Xiong1, Jiawei Huang1
1School of Biomedical Engineering & State Key Laboratory of Advanced Medical Materials and Devices, ShanghaiTech University, Shanghai 201210, PR China.
Radiology. Artificial intelligence
|September 17, 2025
概括
这项研究引入了一种新的框架,用于合成婴儿大脑MRI扫描,改善图像质量和组织细分,以便更好地进行发育分析. 该方法准确地模拟了大脑的变化,超过了儿科研究中的现有技术.
科学领域:
- 神经成像是一种神经成像.
- 发育神经科学的发展神经科学.
- 医学图像分析 医学图像分析
背景情况:
- 婴儿大脑发育涉及快速的结构和对比度变化,这对纵向MRI研究构成了挑战.
- 对这些变化的准确建模对于理解神经发育轨迹和识别异常至关重要.
研究的目的:
- 开发一个以年龄和模式为条件的三阶段框架,用于合成婴儿脑的纵向MRI扫描.
- 解释早期发育期间大脑结构和对比度的动态变化.
- 提高婴儿大脑MRI数据的质量和实用性,用于研究.
主要方法:
- 从139名婴儿中利用T1和T2加权的MRI扫描 (婴儿结合体项目).
- 开发了一个模拟体积膨胀,皮质折叠和髓化的框架.
- 将框架与LGAN,CounterSyn以及使用PSNR,SSIM和DSC指标的基于扩散的方法进行了比较.
主要成果:
- 该框架在合成T1和T2加权的婴儿大脑MRI扫描 (P < .001) 中明显优于竞争方法.
- 实现了高图像质量指标:PSNR高达26.93 ± 2.50和SSIM高达0.90 ± 0.02.
- 在组织细分 (灰质的DSC为0.85,白质的DSC为0.86) 和皮质重建方面表现出色.
结论:
- 拟议的框架有效地合成了特定年龄的婴儿大脑MRI扫描,提高了图像质量和细分精度.
- 超越现有方法,显示出在儿科发展建模和纵向分析的巨大潜力.
- 提供了一个有价值的工具,以推进使用MRI的婴儿大脑发育研究.
更多相关视频
08:49Whole-Brain Single-Cell Imaging and Analysis of Intact Neonatal Mouse Brains Using MRI, Tissue Clearing, and Light-Sheet Microscopy
Published on: August 1, 2022
4.2K
08:05Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques
Published on: June 30, 2020
8.0K
