Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >FeTA2024——胎儿组织分割和生物测量

FeTA2024——胎儿组织分割和生物测量

作者头像
医学处理分析专家
发布于 2024-06-05 00:43:16
发布于 2024-06-05 00:43:16
3040
举报

今天将分享胎儿组织分割和生物测量完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、FeTA2024介绍

先天性疾病是全球婴儿死亡的主要原因之一。胎儿脑部宫内 MRI 已开始成为研究先天性疾病胎儿神经发育的宝贵工具。胎儿 MRI 有助于未来开发临床风险分层工具,用于早期干预、治疗和临床咨询。此外,胎儿 MRI 是描绘人类妊娠期间复杂神经发育事件的有力工具,这些事件仍有待完全表征。获取和分析胎儿脑部宫内 MRI 需要专业临床中心的合作,因为这些脆弱患者群体的图像队列很小且异质性(例如,不同站点之间的图像采集参数存在差异)。在大多数使用胎儿 MRI 的专业临床中心,评估仅使用从厚 2D 切片采集中获得的 2D 生物特征测量值进行,尽管最近的研究已经证明了在 3D 超分辨率重建体积中执行这些测量的能力。在 MRI 数据中,对出生前高度复杂且快速变化的大脑形态进行自动生物测量、分割和量化将改善诊断过程,因为手动注释既耗时又容易出现人为错误和评分者间差异。分析发育中的大脑结构的形状或体积等信息具有临床意义,因为许多先天性疾病会导致这些组织区室发生细微变化。现有的生长数据主要基于正常发育的大脑,缺乏许多病理和先天性疾病的生长数据。因此,跨不同扫描仪和图像采集协议自动量化发育中的人脑的稳健方法将是执行此类分析的第一步。从技术角度来看,胎儿大脑的自动分割方法需要克服许多挑战。在胎儿发育过程中,人脑的生理学会发生变化,同时其结构也会经历发育重组。此外,由于胎儿和母亲的运动以及成像伪影,图像质量通常较差 ,而部分容积效应经常导致组织之间边界模糊。最后,与健康对照组相比,异常胎儿大脑的结构通常具有不同的形态。这使得自动方法很难识别这些结构。到目前为止,由于成像方面的挑战以及缺乏公开、精选和带注释的真实数据,胎儿 MRI 领域的研究不足。为了增加样本量,使这些研究具有足够的功效,需要协调场地和 MRI 扫描仪,并结合自动化和强大的 MRI 分析方法。

在第一届 FeTA(FeTA 2021)中,使用了第一个公开可用的胎儿脑部 MRI 图像数据集,以鼓励参赛团队开发自动脑组织分割方法。基于其成功,在 FeTA 2022 中扩展了挑战,通过研究分割算法在不同部位的通用性(从不同的图像采集协议和 MRI 扫描仪获取)。在 FeTA 2024 中,通过两种方式改进和扩展已建立的 FeTA 挑战赛:首先,引入了一项新任务,以自动得出通常用于胎儿评估实践的临床相关生物特征。其次,随着低成本低场 MRI 系统的普及,旨在实现全球范围内MRI访问的民主化,通过纳入低场 (0.55T) MRI数据来扩展分割方法的普遍性评估。

FeTA 2024 挑战赛是朝着开发有效、领域通用和可重复的方法迈出的重要一步,用于分析妊娠 21-36 周发育中胎儿大脑的高分辨率重建 MR 图像。它将包括一项新的临床相关任务,即自动生物特征测量和来自五个不同站点和磁场(包括最近的低场系统)的数据。这种新算法将有可能在许多方面支持临床医生对宫内胎儿脑部 MRI 进行评估:更好地了解先天性疾病的根本原因,并最终指导产前/产后指南和临床风险分层工具的制定,以便世界各地的医院和研究机构进行早期干预、治疗和护理管理决策。

二、FeTA2024任务

任务 1 - 分割

对于分割任务,训练数据将包括来自两个不同机构的120个T2 加权胎儿大脑重建,并附有相应的标签图,该标签图按照此处提供的协议手动分割成 7个不同的组织/标签:外部脑脊液,灰质,白质,脑室,小脑,深灰质,脑干。

任务 2 - 生物测量

对于生物测量任务,训练数据将包括对上述分割任务中包含的相同 120 名受试者进行的生物测量。有五种不同的生物测量,按照此处提供的注释协议进行:轴向平面上的大脑双顶径 (bBIP),轴向平面上的颅骨双顶径 (sBIP),矢状面中的蚓部高度 (HV),矢状面中的胼胝体长度 (LCC),冠状面中的最大小脑横向直径 (TCD)。

三、FeTA2024数据集

该数据集包括临床获得的神经典型和病理性大脑的胎儿大脑重建,涵盖一系列孕龄。对于每个病例,除了标签图外,还将给出孕龄(以周为单位)以及神经典型/病理性标签。每个病例将为 256x256x256 体素,但每个机构的病例分辨率是独立的。测试数据集将包含 180 个病例。每个病例都包含一组标签图,包括组合标签图以及为方便起见分为单个文件的所有标签。

机构 1 - 苏黎世大学儿童医院 (Kispi)

训练/测试案例:80/40

数据采集:使用 1.5T 和 3T 临床 GE 全身扫描仪(Signa Discovery MR450 和 MR750)采集来自大学儿童医院的数据,使用 8 通道心脏线圈或体线圈。采集 T2 加权单次快速自旋回波序列,平面分辨率为 0.5mm x 0.5mm,切片厚度为 3 至 5 mm。序列参数如下:TR:2000-3500ms;TE:120ms(最小);翻转角:90°;采样百分比 55%。根据胎儿的妊娠周龄和大小调整以下参数:FOV:200-240 mm;图像矩阵:1.5T:256x224;3T:320x224。成像平面相对于胎儿大脑定向,并获取轴向、冠状和矢状图

后处理:对于每个受试者,我们手动检查获取的胎儿大脑图像的质量,以汇编一组图像。每个堆栈包含每个方向的至少一个脑部扫描,如果有更多扫描,则包括更多扫描。每个堆栈中的扫描数量在 3 到 13 之间。对于 sub-001 到 sub-040,堆栈中的每个图像随后都重新定向到标准平面,并使用半自动化的基于图谱的定制 MeVisLab(德国不来梅的 MeVis Medical Solutions AG)模块创建胎儿大脑的掩模。随后,将SR重建算法应用于每个受试者的图像和脑掩模堆栈,创建脑形态的3D SR体积,各向同性分辨率为0.5mm^3。使用Slicer对每幅图像进行直方图匹配,并用零填充为 256x256x256体素。

机构 2 - 维也纳总医院/维也纳医科大学

训练/测试案例:40 / 40

数据采集:维也纳大学的数据(训练:n=40;测试:n=40)是使用 1.5 T(飞利浦 Ingenia/Intera,荷兰 Best)和 3 T 磁铁(飞利浦 Achieva,荷兰 Best)采集的,未使用孕妇或胎儿镇静剂。所有采集均使用心脏线圈进行。对于每个案例,使用 1.5 特斯拉飞利浦 Intera MR 扫描仪在3个正交(轴向、冠状面、矢状面)平面中采集至少3个T2加权单次快速自旋回波 (ssFSE) 序列(TE=80-140ms),参考胎儿脑干轴和/或胼胝体轴。总体而言,切片厚度在3毫米至5毫米之间(间隙 0.3-1毫米),像素间距为0.65-1.17毫米,采集时间在13.46至41.19秒之间。

后处理:预处理流程包括数据去噪步骤,然后是平面超分辨率和自动脑屏蔽步骤,最后是单个 0.5 毫米各向同性切片运动校正和体积超分辨率重建。随后,将生成的体积严格对齐到公共参考空间。

机构 3 - 洛桑大学医院 (CHUV)

训练/测试案例:0 / 40

数据采集:使用 1.5 T(MAGNETOM Aera,西门子医疗,德国埃尔兰根)采集来自 CHUV(测试:n=40)的数据,未使用孕妇或胎儿镇静剂。采集使用 18 通道体线圈和 32 通道脊柱线圈进行。使用 T2 加权 (T2W) 半傅里叶采集单次快速自旋回波 (HASTE) 序列在三个正交方向上采集图像;通常在每个方向上至少进行两次采集。,TR/TE,1200ms/90ms;翻转角,6/23 90 ̊;回波序列长度,224;回波间隔,4.08ms;视场,360 × 360mm2;体素大小,1.13 × 1.13 × 3.00mm3;切片间间隙,10%,采集时间在 26 到 36 秒之间。

后处理:对于每个受试者,扫描结果都经过人工审核,并选择质量好的扫描结果进行超分辨率重建,从而创建大脑形态的3D SR体积。每个病例都用零填充为256x256x256,并重新定位到标准观察平面。

机构 4 - 加州大学旧金山分校 (UCSF)

训练/测试案例:0 / 40

数据采集:UCSF 的数据(测试:n=40)是使用 3T GE Discovery MR750 或 MR750W(宽孔)采集的,未使用孕妇或胎儿镇静剂。采集使用 32 通道 GE 心脏线圈进行。采集至少 3 个 T2 加权 ssFSE 序列,每个方向(矢状面、轴向、冠状面)扫描一次,参数如下:240 mm FOV,512x512 矩阵,平面分辨率为 ~0.5x0.5 mm,切片厚度为 3 mm。TR 为 2000-3500 毫秒,TE > 100 毫秒,翻转角为 90 度。

后期处理:对于每个受试者,我们都会手动检查扫描结果,并选择质量好的扫描结果进行超分辨率重建,从而创建大脑形态的3D SR体积。每个案例都用零填充为 256x256x256,并重新定位到标准观察平面。

机构 5 - 伦敦国王学院/圣托马斯医院 (KCL)

训练/测试案例:0 / 20

数据采集:对于 20 个案例中的每一个,使用半傅里叶采集单次快速自旋回波 (HASTE) 序列在三个正交方向上采集 6 到 9 个堆栈,参数如下:TR/TE,2500ms/106ms;翻转角,180 度;视野,450 × 450mm2,基本分辨率为 304x304 像素;体素大小,1.5 × 1.5 × 4.5mm3;采集时间在 64 到 122 秒之间。采集使用 0.55T SIEMENS MAGNETOM Free.Max 扫描仪(德国埃尔朗根西门子医疗公司)进行,未使用孕妇或胎儿镇静剂。所有采集均在孕妇仰卧位使用轮廓 L 线圈和集成脊柱线圈进行

后处理:对于 KCL 数据,所有可用堆栈均经过手动质量审查。质量足够的堆栈被自动屏蔽,然后使用 SVRTK重建为 0.8 毫米各向同性分辨率 3D 体积,并与标准参考空间对齐,并填充零至256x256x256。

数据下载:

https://fetachallenge.github.io/pages/Data_download

评价指标:

1、分割任务,将使用四个评估指标——骰子相似系数 (DSC) 用于测量空间重叠。豪斯多夫距离的第 95 个百分位数 (HD95) 用于量化轮廓距离。体积相似性用于测量体积差异。欧拉特征 (EC),定义 k 维贝蒂数来量化拓扑正确性。

2 生物统计任务,将基于百分比测量误差 (ME),即估计测量值与实际测量值之间的差异与实际测量值之间的差异。此外,还将计算每个区域的预测值与真实实况之间的R2系数,以评估预测结果。

四、技术路线

FeTA 2021和FeTA 2022比赛相关内容,可以访问相关文章,FeTA2022——胎儿脑区分割挑战赛FeTA2021——胎儿组织分割挑战

任务一、脑区组织分割

1、将图像缩放到固定大小256x256x256,然后采用均值为0,方差为1的方式进行归一化处理,再将数据分成训练集和验证集。

2、搭建VNet3d网络,使用AdamW优化器,学习率是0.001,batchsize是1,epoch是300,损失函数采用多类别dice和ce。

3、训练结果和验证结果

4、验证集分割结果

左图是金标准结果,右图是网络预测结果。

任务二、生物测量预测

1、将图像缩放到固定大小256x256x256,然后采用均值为0,方差为1的方式进行归一化处理,再将数据分成训练集和验证集。

2、搭建ResNet3d网络,使用AdamW优化器,学习率是0.001,batchsize是3,epoch是300,损失函数采用MSE。

3、训练结果和验证结果

4、验证集预测结果

R-squared score: 0.670

MAE: 2.594

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-06-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 最新医学影像技术 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
FeTA2022——胎儿脑区分割挑战赛
先天性疾病是全世界婴儿死亡的主要原因之一。最近,胎儿大脑的宫内MRI已开始成为研究先天性疾病胎儿神经发育的宝贵工具。胎儿MRI有助于未来开发用于早期干预、治疗和临床咨询的临床风险分析工具。此外,胎儿MRI是描绘人类妊娠期间复杂神经发育事件的有力工具,这些事件仍有待完全表征。胎儿大脑的宫内 MRI 的采集和分析需要专业临床中心的合作,因为这一弱势患者群体的图像群体较小且异质(例如,站点之间的图像采集参数存在差异)。为了增加样本量,使这些研究具有足够的功效,需要协调现场和 MRI 扫描仪,并辅以自动化和稳健的MRI分析方法。
医学处理分析专家
2024/02/22
4090
FeTA2022——胎儿脑区分割挑战赛
nature mental health:怀孕期间母亲积极的心理健康会影响儿童的海马体和功能网络
摘要:积极的心理健康是身体健康和幸福的重要组成部分。然而,这方面的研究相对被忽视。本研究使用纵向数据集来调查怀孕期间母亲积极情绪对7.5岁儿童大脑结构和功能的影响(n=381)。通过对26-28周问卷进行验证性因素分析,制定了积极的孕产妇心理健康衡量标准,包括怀孕期间的积极情绪和情绪健康。研究发现,怀孕期间心理健康状况较好的母亲所生的女孩,其双侧海马体更大。此外,心理健康状况良好的母亲的孩子表现出多个网络功能连接的改变,包括默认模式、显着性、执行控制、杏仁核和丘脑-海马网络。这些发现将孕产妇心理健康的研究扩展到孕产妇精神病理学之外,表明在怀孕期间促进积极的孕产妇心理健康作为后代大脑发育的潜在保护因素的重要性。
悦影科技
2024/06/27
2550
Science子刊:利用DTI和NODDI纵向研究揭示轻度脑外伤后的白质微结构改变
能够检测轻度脑外伤(mTBI)后的白质(WM)病理,并预测长期结果的神经成像生物标记物是改善护理和开发治疗方法所必需的。本文利用弥散张量成像(DTI)和近期新兴的神经突方向离散度和密度成像(NODDI)对mTBI后的WM微观结构进行了横断面研究和纵向研究,并将其与神经心理指标进行了相关性分析。在横截面研究中,早期分数各向异性的减小和平均扩散系数的增加对应于NODDI中WM区域自由水含量的升高。这种自由水升高的情况在早期脑震荡后症状的患者亚组中更为广泛。长期纵向的WM改变包括NODDI中的轴突密度下降,表征了弥漫性轴索损伤所致的轴突变性。因此,相比于DTI,NODDI能够更加清晰地表征弥漫性轴索损伤,是一种比DTI更敏感、更特异的检测mTBI所致的WM微结构改变的生物标志物,在对mTBI的诊断、预后和治疗监测中值得进一步研究。本文发表于Science Advances杂志。
用户1279583
2022/02/28
1.1K0
Science子刊:利用DTI和NODDI纵向研究揭示轻度脑外伤后的白质微结构改变
FeTA2021——胎儿组织分割挑战
今天将分享胎儿组织分割的完整实现过程,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2022/08/20
6151
FeTA2021——胎儿组织分割挑战
NeuroImage:胎儿和新生儿大脑MRI自动分割
近年来,许多学者已经提出了多种分割方法来自动描绘胎儿和新生儿脑MRI。这些方法旨在定义不同粒度的感兴趣区域:大脑、组织类型或更局部的结构。不同的方法已应用于此分割任务,可分为无监督、参数化、分类、atlas融合(atlas fusion)和可变形(deformable)模型。Brain atlas通常在分割过程中用作训练数据。然而,与图像采集、快速的大脑发育以及较少可用的成像数据相关的问题阻碍了这类分割任务的发展。本文回顾了围产期(怀孕28 周到产后一周)大脑分割采用的方法,并根据目标人群、结构分割和方法类型对它们进行了分类。本文概述了文献中提出的各种方法,并讨论了它们的主要贡献。提出了评估分割精度和分割质量基准的不同方法。本文以围产期大脑分割可能存在的问题和可能的未来发展方向的讨论作为总结。
用户1279583
2020/04/16
1.6K0
NeuroImage:胎儿和新生儿大脑MRI自动分割
Circulation:胎儿脑体积预测先天性心脏病患儿的神经发育
背景:神经发育障碍在先天性心脏病(CHD)患儿中很常见,但产后变量仅能解释预后中30%的差异。为了探讨神经发育障碍是否可能开始于子宫,我们分析了胎儿脑体积是否能预测CHD儿童未来的神经发育预后。
用户1279583
2022/04/12
4470
Circulation:胎儿脑体积预测先天性心脏病患儿的神经发育
NC:新生儿大脑结构连接的网络可控性
白质连接通过有效地限制动态的大脑活动来支持不同的认知需求。这种效率可以从网络可控性中推断出来,网络可控性代表了大脑基于白质连接在不同心理状态之间移动的轻松程度。然而,目前还不清楚大脑网络如何在出生时支持不同的功能,这是一个连接快速变化的时期。在这里,我们调查了521例新生儿在围产期网络可控性的发展和早产的影响。我们提供的证据表明,可控性元素早在婴儿的妊娠晚期就出现在其大脑中,并在整个围产期迅速发展。早产破坏了大脑网络的发育,并改变了驱动不同水平的状态转换所需的能量。此外,出生时的可控性与18个月时的认知能力有关。我们的研究结果表明,网络可控性在围产期迅速发展,以支持认知需求,但可能会被早产等环境影响所改变。
悦影科技
2023/11/14
2980
BRAIN:遗传性言语障碍中的背侧语言通路异常
言语障碍在某些学龄前儿童中普遍存在,但通常,相当一部分的言语障碍会随着儿童语言能力的发展得到解决。但是,最持久和最严重的语言失用症的神经生物学基础仍然难以得到理解。目前成人语音处理的神经解剖学模型提出了两条平行的语言处理通路(即结构上的连接,白质纤维束),一条是背侧通路,这条通路参与声音到运动语言的转换,另一条是腹侧通路,它支持声音/字母到意思的转换。但是,目前这些理论大多是基于假设的,通过数据驱动的方法对这些通路在非典型言语和语言发展中的作用的检验是缺乏的。对此,来自伦敦大学学院的研究者们对一个言语障碍家庭的行为学数据和脑成像数据展开研究。这个家庭中,家长一方和11个孩子表现出儿童语言失用的特征(与FOXP2变异相关的相同的言语障碍)。目前,这一家族疾病的遗传原因仍有待查明。但引起研究关注的是,在这个家庭中,不同成员在各自的言语障碍方面(指具体的运动语言时的障碍,speech disorder)与语言或读写障碍没有系统性的联系。该研究对7名儿童的大脑进行了MRI扫描。该研究发表在BRAIN杂志。
用户1279583
2019/06/06
1K0
BRAIN:遗传性言语障碍中的背侧语言通路异常
Biological Psychiatry:胎儿脑网络的发展:与常见神经疾病的相关性
人类胎儿以及早产儿的磁共振成像、组织学和基因分析方法为产前大脑发育的阶段过程提供了见解。对出生前微观和宏观脑网络发育理解的增加,激发了人们对理解产前大脑发育与常见神经疾病的相关性的兴趣。关于宫内大脑对环境、可塑性窗口以及涉及大规模网络连接中断的儿童期疾病的产前起源的敏感性,存在大量的问题。许多现有的关于人类产前神经发育的文献都来自横断面或案例研究,这些研究不能解决出生前大脑发育中个体差异的纵向后果。本文将:1)详细介绍研究人类产前大脑的具体方法,2)总结人类产前神经网络的大规模发展,整合各种实验方法的研究结果,3)探索早期发育大脑的可塑性以及产前易感性的潜在性别差异,以及4)评估将特定的产前大脑发育过程与儿童常见神经系统疾病的异常神经连接形式联系起来的机会。本文发表于Biological Psychiatry杂志。
用户1279583
2022/02/28
7810
Biological Psychiatry:胎儿脑网络的发展:与常见神经疾病的相关性
CMRxMotion2022—— 呼吸运动下心脏MRI分析挑战赛
CMR 成像质量易受呼吸运动伪影的影响。挑战赛目标是评估呼吸运动对 CMR 成像质量的影响,并检查自动分割模型在不同呼吸运动水平下的鲁棒性。心脏磁共振 (CMR) 成像是目前评估心脏结构和功能的金标准模式。基于机器学习的方法在以前的 CMR 挑战(例如 ACDC、M&Ms)中取得了显着的性能。然而,在临床实践中,模型性能受到不一致的成像环境(例如,供应商和协议)、人口变化(正常与病理病例)和意外的人类行为(例如,身体运动)的挑战。通过将训练有素的机器学习模型暴露于“压力测试”中的极端情况来调查潜在的故障模式很有用。迄今为止,模型通用性方面的现有挑战大都集中在供应商可变性和解剖结构变化上,而对人类行为的影响的探索较少。对于 CMR 采集,呼吸运动是主要问题之一。有急性症状的患者不能遵守屏气指令,导致图像质量下降和分析不准确。
医学处理分析专家
2022/12/19
1K0
CMRxMotion2022—— 呼吸运动下心脏MRI分析挑战赛
Science Advances:跨精神疾病的脑认知功能预测
摘要:计算精神病学的主要目标之一是构建预测模型,将大脑功能的个体差异与症状联系起来。认知障碍具有跨诊断性、治疗抵抗性,并与不良预后相关。近期研究表明,准确可靠地预测认知功能可能需要数千名参与者,这使大多数患者数据收集工作的有效性受到质疑。在本研究中,我们运用迁移学习框架,基于英国生物银行的功能性神经影像数据训练了一个模型,用于预测三个跨诊断样本的认知功能。结果显示,该模型在所有三个样本中的预测性能与更大规模预测研究中报告的结果相当,且相较于直接在小样本中训练的传统模型,预测性能提升高达 116%。关键是,该模型具有跨数据集的泛化能力,在不同独立样本中进行训练和测试时仍能保持性能。本研究证实,从大规模人群数据集导出的预测模型,有助于提升临床研究中对认知功能的预测水平。
悦影科技
2025/05/06
1280
FreeSurfer自动分割海马亚区算法的重测信度分析
最近,来自波士顿荣军医疗保健系统和哈佛医学院等多个单位的研究人员,在Neuroimage杂志上发表了研究,对FreeSurfer计算海马亚区的两种方法(标准处理和纵向处理)跨站点重复测量的信度进行了评估,进一步验证该方法具有较高的信度。
用户1279583
2020/02/24
2.6K0
Biological Psychiatry:母亲童年时期的受虐待经历对新生婴儿大脑结构的代际影响作用
儿童期虐待是一个严重的国际性社会问题,受虐儿童会在成长过程中出现多种精神疾病,例如:抑郁症伴焦虑症状和(或)共病焦虑障碍等等。这些疾病往往症状重、病程慢性化、社会功能损害重、自杀率高和预后差等。除此以外,这种影响可能还会出现在代际遗传中,给处在发育期的儿童带来更高的脆弱性。在今年的一篇研究中(Boccadoro et al., 2019)发现,童年受过虐待经历的女性在成年后与同年龄阶段、同样受教育水平和经济状况但未经历过虐待经历的女性表现出显著的静息态功能连接差异,这表明童年虐待经历给女性带来的影响是极为长远的,即使经历了康复也仍旧对大脑功能留下了无法消除的伤害。而婴儿在女性子宫期要经历一个长期的发育过程,有理论表明妇女童年期的受虐经历会代际遗传给妇女,但还未有实证研究证明(或者说支持)这一理论在婴儿处理宫内期时就已经发生。
用户1279583
2019/11/06
8450
Biological Psychiatry:母亲童年时期的受虐待经历对新生婴儿大脑结构的代际影响作用
NeuroImage:磁共振3D梯度回波磁化转移序列同时对铁和神经黑色素进行成像
早期帕金森病(PD)的诊断仍然是临床上的一大挑战。以往的研究仅用黑质(SN)中的铁、神经肽(NM)或黑体-1(N1)征本身并不能为这些方法的临床应用提供足够高的诊断性能。本研究的目的是利用单个三维磁化传递对比(MTC)梯度回波序列提取代表整个SN的NM复合体体积、铁含量和体积,以及N1征作为潜在的互补成像生物标志物,并评估它们在早期PD中的诊断性能和临床相关性。对40例早期特发性帕金森病患者和40例年龄、性别匹配的健康对照(HCS)进行3T扫描。使用动态编程(DP)边界检测算法半自动地确定NM边界(代表SN部致密区(SNPC)和脑桥臂旁色素神经核)和铁边界(代表总SN(SNPC和SN网状部))。受试者操作特性分析用于评估这些成像生物标志物在早期帕金森病诊断中的作用。应用相关分析研究这些影像指标与临床评分的关系。我们还引入了NM和总铁重叠体积的概念,以证明NM相对于含铁SN的损失。此外,所有80例患者均独立评估N1征象。PD组SN中NM和SN体积低于HCS组,而SN中铁含量高于HCS组。有趣的是,双侧N1信号缺失的帕金森病患者的铁含量最高。单项测量的两个半球的平均值的曲线下面积(AUC)值为:NM复合体体积为0.960;SN总体积为0.788;SN铁含量为0.740;N1标志为0.891。通过二元Logistic回归将NM复合体体积与以下测量中的每一项相结合,得到了右侧和左侧的平均0AUC值:总铁含量为0.976;总SN体积为0.969,重叠体积为0.965,N1符号为0.983。我们发现SN体积与UPDRS-III呈负相关(R2=0.22,p=0.002)。虽然N1标志表现良好,但它不包含任何有关铁含量或NM数量的信息,因此,将该标志与NM和RON测量结合起来,可以更好地解释当N1标志在PD受试者中消失时发生的情况。总之,从单个MTC序列得出的NM复合体体积、SN体积、铁含量和N1征的组合为理解和诊断早期PD提供了补充信息。
悦影科技
2021/03/24
8660
Nature Communications:测量噪声如何限制大脑-行为预测的准确性
摘要:人类神经影像学领域致力于通过从大脑成像数据预测行为表型,来理解个体差异并寻找用于临床应用的生物标志物。为了识别具有普遍性和可重复性的大脑 - 行为预测模型,足够的测量信度至关重要。然而,预测目标的选择主要受科学兴趣或数据可用性的引导,而非心理测量学方面的考量。在此,我们展示了行为表型信度较低对样本外预测性能的影响。通过使用来自四个大规模数据集的模拟数据和实证数据,我们发现许多表型中常见的信度水平会显著限制大脑与行为之间建立联系的能力。接下来,利用英国生物银行(UK Biobank)的 5000 名参与者的数据,我们表明只有信度极高的数据才能从将样本量从数百人增加到数千人的过程中充分受益。我们的研究结果强调了测量信度对于从个体差异中识别有意义的大脑-行为关联的重要性,并突出了在未来研究中需要更加重视心理测量学的必要性。
悦影科技
2025/05/28
830
ACOUSLIC-AI2024——腹围超声自动测量
在资源匮乏的环境中诊断胎儿生长受限具有挑战性。胎儿生长受限 (FGR) 影响高达 10% 的妊娠,是导致围产期发病率和死亡率的关键因素。FGR 与死产密切相关,还可能导致早产,给母亲带来风险。这种情况通常是由于各种母体、胎儿和胎盘因素阻碍胎儿遗传生长潜力所致。产前超声检查中胎儿腹围 (AC) 的测量是监测胎儿生长的一个关键方面。当小于预期时,这些测量值可以指示 FGR,这种情况与大约 60% 的胎儿死亡有关。FGR 诊断依赖于对胎儿腹围 (AC)、预期胎儿体重或两者的重复测量。这些测量必须至少进行两次,两次测量之间至少间隔两周,才能得出可靠的诊断。此外,AC 测量值低于第三个百分位数本身就足以诊断 FGR。然而,由于超声检查设备成本高昂且缺乏训练有素的超声检查人员,对 AC 测量至关重要的生物识别产科超声的常规实践在资源匮乏的环境中受到限制。
医学处理分析专家
2024/05/14
2410
ACOUSLIC-AI2024——腹围超声自动测量
NC:儿童的利手性与大脑功能连接模式之间的联系
利手性在生命早期就已经发展起来了,但与之相关的大脑结构和功能连接模式仍然不清楚。在这里,我们调查了在青少年大脑认知发展(ABCD)研究中,9-10岁儿童的利手性和大脑连接偏侧化之间的关系。与右撇子相比,左撇子左手运动区整体功能连接密度增加,右侧运动区整体功能连接密度降低。基于功能连接计算的利手指数为左利手性和右利手性提供了更明显的区别。在单模态感觉运动皮层、跨模态皮层和小脑中,手-运动功能连接的偏侧化随利手性的变化而变化(P < 0.001),并在发现和复制子样本中的所有感兴趣区域复制。在这里,我们展示了在左利手性、右利手性和混合利手性儿童的结构连接、大脑形态测量和皮质髓磷脂没有差异的情况下,利手性和功能连接模式的偏侧化之间的强关联。
悦影科技
2024/06/03
2270
Cerebral Cortex:妊娠期母亲抑郁症状与新生儿脑功能连接的关系
摘要:怀孕期间抑郁很常见,在covID大流行期间患病率进一步增加。最近的研究表明,产前抑郁对儿童神经发育和行为有潜在影响,但其潜在机制尚不清楚。孕妇轻度抑郁症状是否会影响发育中的大脑也不清楚。在这项研究中,40名健康孕妇在妊娠12周、24周和36周时用贝克抑郁量表- ii评估了她们的抑郁症状,她们的健康足月新生儿在没有镇静的情况下接受了包括静息状态功能磁共振成像(fMRI)在内的脑部MRI检查,以评估功能连接的发展。功能连接与产妇贝克抑郁量表ii评分之间的关系采用Spearman's秩偏相关检验,并采用适当的多重比较校正与新生儿性别和胎龄进行控制。新生儿脑功能连通性与母亲的贝克抑郁量表- ii评分在妊娠晚期呈显著负相关,但在妊娠早期和中期则无显著负相关。妊娠晚期较高的抑郁症状与新生儿额叶和额颞叶与枕叶之间较低的脑功能连通性相关,表明即使在没有临床抑郁症的情况下,母亲抑郁症状也可能影响后代的大脑发育。
悦影科技
2023/09/02
2130
ACOUSLIC-AI2024——腹围超声自动测量验证集结果
在资源匮乏的环境中诊断胎儿生长受限具有挑战性。胎儿生长受限 (FGR) 影响高达 10% 的妊娠,是导致围产期发病率和死亡率的关键因素。FGR 与死产密切相关,还可能导致早产,给母亲带来风险。这种情况通常是由于各种母体、胎儿和胎盘因素阻碍胎儿遗传生长潜力所致。产前超声检查中胎儿腹围 (AC) 的测量是监测胎儿生长的一个关键方面。当小于预期时,这些测量值可以指示 FGR,这种情况与大约 60% 的胎儿死亡有关。FGR 诊断依赖于对胎儿腹围 (AC)、预期胎儿体重或两者的重复测量。这些测量必须至少进行两次,两次测量之间至少间隔两周,才能得出可靠的诊断。此外,AC 测量值低于第三个百分位数本身就足以诊断 FGR。然而,由于超声检查设备成本高昂且缺乏训练有素的超声检查人员,对 AC 测量至关重要的生物识别产科超声的常规实践在资源匮乏的环境中受到限制。
医学处理分析专家
2024/07/04
1991
ACOUSLIC-AI2024——腹围超声自动测量验证集结果
重磅综述:用于可靠的fMRI测量的策略
摘要:fMRI具有相当大的潜力,可以作为一种转化工具,用于理解风险、确定干预措施的优先次序,以及改善大脑障碍的治疗。然而,最近的研究发现,许多最广泛使用的功能磁共振成像测量方法的可靠性较低,削弱了这一潜力。在这里,我们认为许多功能磁共振成像测量是不可靠的,因为它们被设计用来识别群体效应,而不是精确地量化个体差异。然后,我们强调了四种新出现的策略[扩展聚合、可靠性建模、多次回波功能磁共振成像(ME-fMRI)和刺激设计],它们建立在已建立的心理测量特性上,以产生更精确和可靠的功能磁共振成像测量。通过采用这些策略来提高可靠性,我们对fMRI作为一种临床工具的潜力感到乐观。
悦影科技
2022/01/19
4240
推荐阅读
相关推荐
FeTA2022——胎儿脑区分割挑战赛
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档