基于脑 MRI 与 3D-CNN 的正常婴儿神经发育年龄分类
图像与视频处理
2019-11-06 v2 机器学习
机器学习
摘要
人脑在婴儿期和幼儿期发育迅速。许多疾病过程会损害这一发育。因此，脑发育年龄估计（BDAE）对于所有影响认知发育的疾病都至关重要。婴儿的脑磁共振成像（MRI）显示了儿童期脑生长与形态学模式。因此，我们可从脑图像估计发育年龄。然而，MRI 分析耗时，因为每次扫描包含数百万个数据点（体素）。我们研究了三维卷积神经网络（3D CNN）这一深度学习算法，以基于 MRI 快速且高精度地分类神经发育年龄。正常新生儿的 MRI 取自美国国家心理健康研究所（NIMH）数据档案。儿科 MRI 的年龄类别为 3 周+1 周、1 年+2 周和 3 年+4 周。我们使用 3D CNN，以 112 名个体的 MRI 扫描的 T1、T2 和质子密度（PD）图像训练了 BDAE 方法。与已知年龄相比，我们的方法灵敏度为 99%，特异度为 98.3%。此外，我们的 3D CNN 模型在神经发育年龄估计上的表现优于 2D CNN。
引用
@article{arxiv.1910.12159,
title = {Classification of Neurodevelopmental Age in Normal Infants Using 3D-CNN based on Brain MRI},
author = {Mahdieh Shabanian and Eugene C. Eckstein and Hao Chen and John P. DeVincenzo},
journal= {arXiv preprint arXiv:1910.12159},
year = {2019}
}
备注
6 pages, 11 figures, 6 tables