基于深度学习的静息态fMRI脑血流动力学映射
图像与视频处理
2023-06-23 v1 人工智能
医学物理
摘要
脑血管疾病是全球主要的死亡原因之一。已知预防和早期干预是其最有效的管理形式。非侵入性成像方法在早期分层方面大有前景，但目前缺乏用于个性化预后的灵敏度。静息态功能磁共振成像（rs-fMRI）是一种此前用于映射神经活动的强大工具，在大多数医院均可使用。在此我们展示 rs-fMRI 可用于映射脑血流动力学功能并描绘损伤。通过利用 rs-fMRI 期间呼吸模式的时变，深度学习能够以静息态 CO2 波动作为天然“造影剂”，可重复地映射人脑的脑血管反应性（CVR）和团注到达时间（BAT）。该深度学习网络使用通过 CO2 吸入 MRI 参考方法获得的 CVR 和 BAT 图进行训练，其中包含年轻和年长健康受试者以及烟雾病和脑肿瘤患者的数据。我们展示了深度学习脑血管映射在血管异常检测、血运重建效果评估和正常衰老中血管改变方面的性能。此外，所提方法获得的脑血管图在健康志愿者和卒中患者中均表现出优异的可重复性。深度学习静息态血管成像有潜力成为临床脑血管成像中的有用工具。
引用
@article{arxiv.2204.11669,
title = {Deep-learning-enabled Brain Hemodynamic Mapping Using Resting-state fMRI},
author = {Xirui Hou and Pengfei Guo and Puyang Wang and Peiying Liu and Doris D. M. Lin and Hongli Fan and Yang Li and Zhiliang Wei and Zixuan Lin and Dengrong Jiang and Jin Jin and Catherine Kelly and Jay J. Pillai and Judy Huang and Marco C. Pinho and Binu P. Thomas and Babu G. Welch and Denise C. Park and Vishal M. Patel and Argye E. Hillis and Hanzhang Lu},
journal= {arXiv preprint arXiv:2204.11669},
year = {2023}
}