从多参数MRI中对黑色物质进行深度学习细分:适用于帕金森病

科学领域:

• 神经成像是一种神经成像.
• 生物标志物发现发现
• 机器学习在医学中的应用

背景情况:

• 帕金森病 (PD) 的特点是黑色物质 (SN) 中的多巴胺基神经元损失.
• 神经黑色素 (NM),是多巴胺合成的副产品,随着神经退行而减少,并可通过NM敏感的MRI检测.
• 精确地划分了NM丰富的区域在SN是至关重要的它的使用作为PD生物标志物.

研究的目的:

• 开发和发布一个深度神经网络来细分NM超强度在SN.
• 探索多参数MRI在改善PD的SN细分方面的实用性.
• 为了验证模型在不同队列和数据集中的通用性.

主要方法:

• 从109个个体 (87个PD,22个对照组) 中训练了一种深度神经网络在NM敏感磁化转移对比MRI上.
• 整合了多参数MRI数据,并采用了积极的数据增强来提高模型的稳定性.
• 评估了来自帕金森氏症进步标志物倡议 (PPMI) 数据集的209个MRI的模型.

主要成果:

• 在单个站点数据上训练的模型在分布之外的数据上表现不佳;数据增强减轻了这个问题.
• 多参数MRI在神经网络训练期间提供了额外的小调节效应.
• 超强度SN对比度与噪声比率 (CNR) 实现了AUROC为0.863,以区分PD患者与对照者,表现优于体积.

结论:

• 一个经过验证的深度学习工具来细分SN神经黑色素显示了PD生物标志物开发的希望.
• 对神经黑色素敏感的MRI,特别是CNR,可以作为帕金森病的有价值的成像生物标志物.
• 强大的验证和数据增强对于开发可泛化的神经影像生物标志物至关重要.