10.12015/issn.1674-8034.2019.10.004
基于迁移学习算法对新生儿大脑3D T1WI的灰白质分割及其发育量化研究
目的 基于机器学习实现新生儿脑T1WI图像分割,并量化评估早产与足月新生儿脑皮层结构的发育状态.材料与方法 纳入西安交通大学第一附属医院MRI未见异常的早产新生儿、校正至足月期的早产儿、足月新生儿共计50例.基于外部数据库中的相似数据集,对密集卷积神经网络图像分割模型进行初步训练.然后随机从本地数据中抽取25例作为训练集对模型进行二次训练.同时,基于验证集(样本量:10)的分割效果调整模型参数.最终在15例测试集数据中采用Dice系数对模型分割效果进行评价.基于皮层重建提取双侧大脑半球皮层表面积、厚度以及容积等指标.运用Spearman偏相关分析各指标与校正胎龄的相关性;利用Mann-Whitney U检验进行组间差异分析.结果 图像分割模型可有效地实现新生儿脑灰质、白质、脑脊液的分割,Dice系数范围为0.93～0.99.双侧大脑半球皮层表面积、容积与校正胎龄呈正相关(P<0.05);皮层厚度随校正胎龄的变化在左右大脑半球间存在不对称性.除了皮层厚度未见组间差异外,早产新生儿双侧大脑半球皮层表面积、容积均低于足月新生儿(P<0.001).结论 通过对密集卷积神经网络训练,可有效地实现新生儿脑T1WI图像分割;基于图像分割与皮层重建可量化评估新生儿脑皮层的发育水平,早产儿双侧大脑半球皮层发育落后于足月儿.
磁共振成像、新生儿、脑皮层发育、图像分割、机器学习
10
R445.2;R722.19(诊断学)
国家重点研发计划2016YFC0100300;国家自然科学基金面上项目81771810,81471631,81171317;中央高校基本科研业务费专项资金xjj2018265;西安交通大学第一附属医院青年创新基金2017QN-09
2019-11-08（万方平台首次上网日期，不代表论文的发表时间）
共7页
736-742
