基于深度学习的MRI对帕金森病中黑色物质的细分与认知障碍

科学领域:

• 神经成像是一种神经成像.
• 生物标志物 生物标志物
• 神经退行发生神经退行.

背景情况:

• 帕金森病 (PD) 经常表现为非运动症状和认知障碍 (PD-CI).
• 可扩展的成像生物标志物对于对PD患者进行分层至关重要.
• 对神经黑色素敏感的MRI (NM-MRI) 测量了 substantia nigra pars compacta (SNpc) 退化,但自动定量是有限的.

研究的目的:

• 在NM-MRI上评估一个自动化的SNPc细分方法 (SA-U²Net).
• 为了在帕金森病亚型和健康对照中比较SNPc区域.
• 调查SNPc区域与PD临床症状之间的关联.

主要方法:

• 在NM-MRI上使用SA-U²Net进行自动化的SNpc细分,与手动划分相对验证.
• 队列:53个PD-CI,53个PD没有认知障碍 (PD-NCI) 和50个健康对照 (HC).
• 统计分析包括跨组比较和多变量回归与FDR校正.

主要成果:

• SA-U²Net证明了精确的SNpc细分,与手动方法相比.
• 与HC相比,手动和自动SNPc测量都显著减少了PD-CI和PD-NCI.
• 在PD-CI中,双边SNPc区域的减少独立地与疲劳严重程度 (FSS) 的增加有关.

结论:

• SA-U²Net提供可重现的自动化SNPc量化,用于区分PD和HC.
• 双边SNPc区域与PD-CI中的疲劳严重程度特别相关.
• 对于其他观察到的关联,需要进一步的多中心验证.