从MRI获得羊脑脊髓液空间的无图谱半自动细分

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 通过MRI对大脑结构进行自动细分对于研究和临床应用至关重要.
• 对于像绵羊这样的大型动物模型,存在有限的自动细分方法,阻碍了翻译神经科学.
• 绵羊的大脑与人类大脑具有结构上的相似性,这使得它们成为研究神经疾病的宝贵模型.

研究的目的:

• 开发和验证使用MRI的羊大脑中脑脊液 (CSF) 空间的无图谱,半自动细分方法.
• 为了实验研究,使绵羊大脑解剖学的快速和可重现的分析.
• 为了促进研究结果转化为人类神经疾病研究,如轻度创伤性脑损伤 (mTBI).

主要方法:

• 利用nn-Net深度学习框架,一种基于卷积神经网络的方法.
• 从四个成年绵羊大脑的结构MRI数据上训练有素的细分模型.
• 将该方法应用于手动剥离头骨的MRI图像,在不到一分钟的时间内实现细分.

主要成果:

• 在整个CSF空间中,达到了94.05%的高子重叠得分.
• 获得了75.08%的Dice重叠得分,特别针对复杂的心室脑脊髓空间.
• 证明了该方法的效率,在每次扫描不到一分钟的时间内完成细分.

结论:

• 开发的无图谱半自动方法提供了一个快速可靠的工具,用于在绵羊大脑中进行CSF空间细分.
• 这种技术具有很大的潜力,可以在翻译神经科学中推进实验性大脑研究.
• 在更大的临床数据集上进一步验证可能为潜在的临床应用铺平道路.