BrainParc:从结构磁共振图像中统一的寿命大脑分片

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.
• 医学图像分析 医学图像分析

背景情况:

• 从结构性MRI中精确地分类大脑对神经成像和神经科学研究至关重要.
• 现有的分片方法面临的挑战是,在寿命和MRI协议之间强度/对比度的变化,限制了通用性.
• 这些局限性阻碍了神经成像数据的临床和研究应用.

研究的目的:

• 介绍BrainParc,一个统一的框架,用于强大的和纵向一致的大脑分片.
• 解决当前处理各种数据集和成像条件的方法的局限性.
• 展示BrainParc的实用性,用于跟踪大脑发育和诊断神经系统疾病.

主要方法:

• BrainParc利用的是对强度和对比度变化不变的解剖信息.
• 该框架可以实现准确和稳健的分片化,而不需要对数据集进行特定的微调.
• 验证涉及对异质的内部和外部数据集进行广泛的实验.

主要成果:

• 与最先进的方法相比,BrainParc在划分106个大脑区域方面取得了卓越的性能.
• 在各种人群和成像条件中观察到一致的高性能,无论是定量还是质量.
• 该框架证明了对大脑发育的可靠跟踪和早期神经疾病诊断的潜力.

结论:

• BrainParc为人类一生中的大脑分片提供了一个强大的和可通用的解决方案.
• 它处理数据异质性的能力提高了它对大规模神经成像研究的实用性.
• 在诊断神经疾病方面,BrainParc显示出临床翻译的巨大潜力.