Distinguishing between paediatric brain tumour types using multi-parametric magnetic resonance imaging and machine learning: a multi-site study
儿科脑肿瘤的成像和随后的准确诊断提出了放射学挑战,磁共振成像在提供肿瘤特异性成像信息方面发挥着关键作用。弥散加权和灌注成像通常用于辅助儿科脑肿瘤的非侵入性诊断,但通常由专家定性评价。定量研究多为单中心、单模式研究。这项工作的目的是将多中心扩散和灌注成像与机器学习相结合,以开发基于机器学习的分类器来区分三种常见的儿科肿瘤类型。结果表明,肿瘤和全脑的扩散和灌注加权成像提供了肿瘤类型之间不同的显著特征,并且结合这些特征可以获得预测精度超过80%的最佳机器学习分类器。这项工作代表了向前迈出的一步,以帮助非侵入性诊断儿科脑肿瘤,使用先进的临床成像。
2019-10-21 eess.IV physics.med-ph q-bio.QM
Topological analysis of brain dynamical signals indicates signatures of seizure susceptibility
本研究通过对癫痫斑马鱼脑活动数据集应用拓扑数据分析(TDA)中的持久同调方法,揭示发作期与非发作期脑动力学拓扑差异,识别野生型鱼系中癫痫易感与无癫痫个体非发作期拓扑特征,验证TDA筛选癫痫易感性标志物的效用。
2025-02-11 physics.soc-ph q-bio.QM
Disentangling causal webs in the brain using functional Magnetic Resonance Imaging: A review of current approaches
在过去的二十年中,功能性磁共振成像已被用于将神经元网络活动与认知过程和行为联系起来。最近,这种方法已经被算法增强,使我们能够推断神经元网络的组成群体之间的因果关系。已经提出了多种推理程序来解决这个研究问题,但到目前为止,每种方法在建立全脑连接模式时都有局限性。在这项工作中,我们讨论了八种方法来推断因果关系的功能磁共振成像研究:贝叶斯网络,动态因果模型,格兰杰因果关系,似然比,LiNGAM,帕特尔的Tau,结构方程模型,和转移熵。最后,我们将为这一领域的未来方向提出一些建议。
2019-05-30 q-bio.NC q-bio.QM
Fast whole-brain imaging of seizures in zebrafish larvae by two-photon light-sheet microscopy
光片荧光显微镜(LSFM)使斑马鱼幼虫的实时全脑功能成像成为可能。然而,常规的单光子LSFM可能由于使用可见激发光而引起不期望的视觉刺激。使用双光子(2 P)激发,采用近红外不可见光,提供了公正的调查神经元电路动力学。然而,由于2 P吸收过程的低效率,该技术的成像速度通常受到信噪比的限制。在这里,我们描述了一个2 P LSFM设置设计的非侵入性成像,使五倍的最先进的体积采集率的幼虫斑马鱼大脑(5 Hz),同时保持低的激光强度的标本。我们将我们的系统应用于药理学诱导的急性癫痫发作的研究,表征病理活动的时空动力学,并首次描述了尾-喙发作波(CRIWs)的出现。
2021-11-29 q-bio.NC q-bio.QM
Analysis of Dynamic Brain Imaging Data
用于探测大脑功能的现代成像技术,包括功能性磁共振成像、内在和外在对比光学成像以及脑磁图,产生具有复杂内容的大型数据集。在本文中,我们开发适当的技术分析和可视化的成像数据,以分离的信号从噪声中,以及表征信号。开发的技术属于一般的多变量时间序列分析,特别是我们广泛使用的多锥度框架的谱分析。我们制定了具体的协议,功能磁共振成像,光学成像和脑磁图数据的分析,并说明了这些成像方式所产生的实际数据集的应用程序的技术。一般来说,分析协议涉及两个不同的阶段:“噪声”的表征和抑制,以及“信号”的表征和可视化。我们的研究的一个重要的一般性结论是一个基于频率的表示,与短,移动的分析窗口,占非平稳性的数据的实用程序。特别值得注意的是:(a)开发了一种分解技术(“空间-频率奇异值分解”),该技术被证明是表征图像数据的有用手段;(b)开发了一种基于多锥度方法的算法,用于去除由心脏和呼吸源产生的近似周期性生理伪影。
1998-04-20 q-bio.NC q-bio.QM
Hyperacute pathophysiology of traumatic and vascular brain injury captured by ultrasound, photoacoustic, and magnetic resonance imaging
脑血管动力学和病理机制的发展,在几分钟和几小时后,创伤性血管损伤的大脑仍然在很大程度上是未知的。我们研究了小鼠闭合性颅脑损伤(TBI)和蛛网膜下腔出血(SAH)两种常见的创伤性血管损伤后3小时内的病理生理学演变。我们采用了多模态成像方法,使用光声,彩色多普勒和磁共振成像(MRI)在小鼠中。脑氧合(%sO2)和速度加权血流量(VVF)值从基线到TBI和SAH后15分钟显著降低。伤后15分钟,TBI导致同侧%sO2和VVF降低19.2%和41.0%,而SAH导致同侧%sO2和VVF降低43.9%和85.0%(p<0.001)。我们发现TBI伤后15分钟至3小时%sO2部分恢复,但SAH未恢复。在两种模型中,在损伤后90-150分钟获得的MRI扫描显示出血、水肿、灌注减少和扩散性改变,尽管TBI的空间分布主要是局灶性的,SAH的空间分布主要是弥漫性的。结果表明,创伤后即刻脑%sO_2下降对TBI是可逆的,而对SAH是不可逆的。我们的研究结果可以为未来减轻这些早期反应以改善长期恢复的研究提供信息。
2022-05-02 q-bio.QM q-bio.TO
From Brain Imaging to Graph Analysis: a study on ADNI's patient cohort
本文研究了脑结构体积的改变与阿尔茨海默病(AD)潜在发展之间的关系。使用一个简单的抽象技术,我们转换区域皮质和皮质下的体积差异在两个时间点为每个研究对象到一个图形。然后,我们得到的子结构的兴趣,使用图分解算法,以提取关键节点,通过多视图特征选择。使用强大的分类框架进行了密集的实验,以评估使用不同阈值下获得的大脑子结构的性能。结果表明,通过检查患者组之间的差异获得的紧凑的子结构足以区分AD和健康对照组的受试者工作曲线下面积为0.72。
2019-05-14 cs.IR eess.IV q-bio.QM
Topological Randomness and Number of Edges Predict Modular Structure in Functional Brain Networks
在最近的一篇论文中,Bassett等人(2011)分析了人类大脑功能网络的静态和动态组织。我们在这里集中在本文中提出的第一个要求,它指出,这种网络的静态模块结构是嵌套的时间。Bassett等人(2011年)认为,这种分级结构强调了“多尺度模块化结构”。然而,在这封信中,我们表明,这样的关系基本上是由在不同的时间尺度上计算的相关系数的随机变化的增加介导的。
2011-06-29 q-bio.QM stat.ME
Brain Imaging Generation with Latent Diffusion Models
National Institute of Mental Health(美国国家精神卫生研究所);Birkbeck College(伯克贝克学院);University College London(伦敦大学学院)
深度神经网络为医学图像分析带来了显著的突破。然而,由于其数据饥渴的性质,医学成像项目中适度的数据集大小可能会阻碍其充分发挥潜力。生成合成数据提供了一种有前途的替代方案,允许补充训练数据集并在更大范围内进行医学图像研究。最近,扩散模型通过产生逼真的合成图像引起了计算机视觉界的注意。在这项研究中,我们探索使用潜在的扩散模型,从高分辨率的三维大脑图像生成合成图像。我们使用来自英国生物银行数据集(N= 31,740)的T1w MRI图像来训练我们的模型,以了解大脑图像的概率分布,条件是协变量,如年龄,性别和大脑结构体积。我们发现我们的模型创建了真实的数据,我们可以使用条件变量来有效地控制数据生成。除此之外,我们还创建了一个包含10万张大脑图像的合成数据集,并向科学界开放。
2022-09-15 cs.CV eess.IV q-bio.QM
Topological inference on brain networks across subtypes of post-stroke aphasia
本文提出基于热扩散表示和转置换位检验的多组持续图比较方法,并用于卒中后失语症患者静息态脑网络的拓扑推断与亚型聚类。
2023-11-02 q-bio.QM stat.ME
Evaluating U-net Brain Extraction for Multi-site and Longitudinal Preclinical Stroke Imaging
Massachusetts General Hospital(麻省总医院);Harvard Medical School(哈佛医学院);Yale University(耶鲁大学);University of Iowa(爱荷华大学);Augusta University(奥古斯塔大学);University of Texas Health Science Center at Houston(德克萨斯大学休斯顿健康科学中心);Johns Hopkins University(约翰斯·霍普金斯大学)
啮齿动物中风模型对于评估治疗和理解脑缺血的病理生理学和行为变化是重要的,并且磁共振成像(MRI)是测量临床前研究结果的有价值的工具。大脑提取是大多数神经成像流程中必不可少的第一步;然而,在存在严重病理和数据集质量高度可变时,它可能具有挑战性。卷积神经网络(CNN)可以提高准确性并减少操作时间,促进高通量临床前研究。作为正在进行的临床前中风成像研究的一部分,我们通过使用U-net CNN开发了一种深度学习小鼠大脑提取工具。虽然以前的研究已经评估了U-net架构,但我们试图评估它们在不同数据类型中的实际性能。我们询问了以下数据对性能的影响:六个成像中心,实验性中风后的两个时间点,以及四个MRI对比。我们在240个多模态MRI数据集(包括定量多回波T2和表观扩散系数(ADC)图)上训练、验证和测试了典型的U-网络模型,并使用大型临床前卒中数据库(N= 1,368)进行了定性评价。我们描述了这个系统的设计和开发,并报告我们的研究结果连接数据特征的分割性能。我们始终发现U-net架构的高准确性和能力,可以在95-97%的准确度范围内概括性能,基于较低保真度的成像硬件和大脑病理学,性能仅略有下降。这项工作可以帮助为未来临床前啮齿动物成像研究的设计提供信息,并提高其可扩展性和可靠性。
2022-03-11 cs.CV eess.IV q-bio.QM
Extracting representations of cognition across neuroimaging studies improves brain decoding
Inria(法国国家信息与自动化研究所);CEA(法国原子能与替代能源委员会);Univ. Paris Saclay(巴黎萨克雷大学);Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心);Grenoble INP(格勒诺布尔国立理工学院)
认知脑成像正在积累关于许多不同心理过程的神经基质的数据集。然而,大多数研究基于少数受试者,统计功效较低。跨研究分析数据可以带来更大的统计功效;然而,目前的脑成像分析框架无法大规模使用,因为它需要将所有认知任务都纳入统一的理论框架。我们介绍了一种新的方法来分析大脑的反应,跨任务的心理过程没有一个联合模型。该方法通过将具有特定认知焦点的小型研究与探索较少焦点的心理过程的大型研究联合分析,提高了小型研究的统计功效。我们的方法提高了35个广泛不同的功能成像研究的80%的解码性能。它以数据驱动的方式,通过预测心理过程的共同大脑表征来发现任务之间的共性。这些大脑网络被调整到心理操纵。它们勾勒出了可解释的和合理的大脑结构。提取的网络已经可用;它们可以很容易地在新的神经成像研究中重复使用。我们提供了一个多学习解码工具,以适应新的数据。
2021-05-19 cs.CV cs.LG q-bio.QM
Robust Automatic Whole Brain Extraction on Magnetic Resonance Imaging of Brain Tumor Patients using Dense-Vnet
Mayo Clinic(梅奥诊所);Moffitt Cancer Center and Research Institute(莫菲特癌症中心与研究所)
全脑提取(英语:Whole brain extraction),也称为颅骨剥离(skull stripping),是神经影像学中的一个过程,其中从神经影像中移除非脑组织,如颅骨、眼球、皮肤等。颅骨划线是术前计划、皮质重建和自动肿瘤分割的初步步骤。尽管在文献中有过多的颅骨剥离方法,但很少有足够准确的处理病理表现的MRI,特别是脑肿瘤的MRI。在这项工作中,我们提出了一种深度学习方法,用于肿瘤学中常见的MRI序列,例如脑肿瘤患者的T1加权钆对比(T1 Gd)和T2加权液体衰减反转恢复(FLAIR)。我们使用SPM 12软件自动创建了灰质、白质和CSF概率掩模,并将这些掩模合并为一个,用于模型训练的最终全脑掩模。针对手动脑掩模测试模型(本文称为DeepBrain)的骰子一致性、灵敏度和特异性。为了评估数据效率,我们使用逐渐减少的训练数据示例重新训练了我们的模型,并计算了每轮训练模型在测试集上的平均骰子得分。此外,我们测试了我们的模型对来自LBP 40 A数据集的健康大脑的MRI。总体而言,DeepBrain在脑肿瘤数据上的平均骰子得分为94.5%,灵敏度为96.4%,特异性为98.5%。对于健康的大脑,模型性能提高到96.2%的骰子评分,96.6%的灵敏度和99.2%的特异性。数据效率实验表明,对于这个特定的任务,只需50个训练样本就可以达到相当的准确度。总之,这项研究表明,在最低限度处…
2020-06-04 cs.CV eess.IV q-bio.QM
NeuReg: Domain-invariant 3D Image Registration on Human and Mouse Brains
Tibbling Technologies(蒂布林科技);Redmond, WA(华盛顿州雷德蒙德)
NeuReg提出一种神经启发式三维图像配准架构,利用Swin Transformer编码器生成域无关表示,在人类和小鼠脑数据集上超越现有基线,实现跨域高性能配准。
2024-11-09 cs.AI cs.CV cs.LG