解剖学上精细的内腔皮层细分改善了基于MRI的阿尔茨海默氏病早期诊断

科学领域:

• 神经成像是一种神经成像.
• 神经退行发生神经退行.
• 人工智能的人工智能

背景情况:

• 耳内皮层 (EC) 是阿尔茨海默氏症 (AD) 中神经退行早期的部位.
• 目前的MRI细分方法不充分区分EC与相邻区域,限制生物标志物的灵敏度.
• 这种模糊性阻碍了准确的早期AD诊断和神经退行变化的跟踪.

研究的目的:

• 为改善阿尔茨海默病 (AD) 神经成像开发和验证一个精细的EC细分框架.
• 通过专家校正和深度学习的结合,提高EC划界的解剖学精度.
• 提高基于MRI的生物标志物的灵敏度和特异性,用于早期发现AD.

主要方法:

• 在专家指导下手动改进FreeSurfer衍生的EC标签,以排除解剖学上不一致的区域.
• 训练使用阿尔茨海默氏病神经成像计划1 (ADNI1) MRI数据对精细标签进行 no-new-Net (nnU-Net) 深度学习模型.
• 验证细分框架的性能和对数据集和扫描仪的概括.

主要成果:

• 精细的EC细分保留了解剖学有效性,并改善了跨认知状态 (正常,MCI,AD) 的组级差异化.
• 将其纳入分析中,为早期神经退行症提供了更具体的成像生物标志物.
• 在阿尔茨海默病的诊断阶段之间实现了加强的歧视.

结论:

• 在解剖学上精确,经过专家了解的EC细分显著提高了MRI生物标志物的敏感性,用于早期AD诊断.
• 拟议的框架为研究EC中微妙的神经退行变化的实用和可重复的方法提供了实用和可重复的方法.
• 这种方法有助于更准确地检测临床前阿尔茨海默病和监测疾病进展.