相关实验视频
Updated: Jan 8, 2026
09:55
Neuroimaging-Guided TMS–EEG for Real-Time Cortical Network Mapping
Published on: June 13, 2025
2.4K
连续对比的球体U-Net:提高个性化功能性大脑分片的可靠性,用于短期fMRI扫描
Dan Hu1, Kangfu Han1, Jiale Cheng1
1Department of Radiology and Biomedical Research Imaging Center, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA.
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
|December 22, 2025
概括
这项研究引入了一种新的连续对比球体U网 (CC-SUnet),用于从短功能性MRI (fMRI) 扫描中可靠的个性化大脑分片. 这种方法通过克服长时间的fMRI扫描持续时间的局限性,提高了个性化的诊断.
科学领域:
- 神经成像是一种神经成像.
- 计算神经科学是一种神经科学.
- 人工智能在医学中的应用
背景情况:
- 功能性MRI (fMRI) 的个性化大脑分片对于个性化医学至关重要.
- 目前的方法需要长时间的fMRI扫描 (>25分钟) 由于信号噪声,限制临床应用.
- 短期fMRI扫描通常被排除在个性化研究之外,阻碍了更广泛的研究.
研究的目的:
- 开发一种新的深度学习模型,CC-SUnet,用于从短期fMRI数据中预测可靠的个性化大脑分片.
- 通过减少扫描时间要求,扩大个性化大脑分片的实用性.
- 为了提高大脑分片的可靠性和可区分性,这些分片来自杂,短的fMRI信号.
主要方法:
- 使用功能扩散地图 (DM) 来自功能连接作为预测特征来追踪区域过渡和降低噪音.
- 提出了一种双重任务模型,同时预测DM和皮质分片,利用它们的相互关系.
- 开发了一种连续预测框架,其中包括一个逐步数据集,可以逐步预测从短到长扫描持续时间,以及一个逐步无声化预测模块,包含小组级DM用于降低噪声和指导.
主要成果:
- 拟议的CC-SUnet模型在使用短期fMRI数据生成可靠的个性化大脑分片方面表现出卓越的性能.
- 双任务方法和连续预测框架有效地利用了功能连接信息,并解决了扫描持续时间的限制.
- N-对对比损失显著改善了预测的个性化地块的可辨别性.
结论:
- CC-SUnet模型成功地从短时间的fMRI扫描中预测可靠的个性化大脑分片.
- 这一进步显著扩大了个性化大脑分片在临床和研究环境中的实际实用性.
- 开发的方法通过克服长时间的fMRI采集时间的限制,为个性化诊断和治疗提供了一个有希望的解决方案.
