白质高信号体积与认知：基于深度学习的病灶检测与量化算法在阿尔茨海默病神经影像学倡议中的评估
图像与视频处理
2020-12-25 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
认知与白质高信号（WMH）体积之间的关系通常取决于所用病灶分割算法的准确性。因此，准确检测和量化 WMH 备受关注。在此，我们使用基于深度学习的 WMH 分割算法 StackGen-Net，在 ADNI 的 3D FLAIR 体积上检测和量化 WMH。我们选取了受试者子集（n=20），并由经验丰富的神经放射科医生获得手动 WMH 分割以证明我们算法的准确性。在更大的受试者队列（n=290）中，我们观察到较大的 WMH 体积与执行功能（P=.004）、记忆（P=.01）和语言（P=.005）表现较差相关。
引用
@article{arxiv.2012.13059,
title = {White matter hyperintensities volume and cognition: Assessment of a deep learning based lesion detection and quantification algorithm on the Alzheimers Disease Neuroimaging Initiative},
author = {Lavanya Umapathy and Gloria Guzman Perez-Carillo and Blair Winegar and Srinivasan Vedantham and Maria Altbach and Ali Bilgin},
journal= {arXiv preprint arXiv:2012.13059},
year = {2020}
}
备注
3 pages, 4 figures, Submitted to The Annual Conference of International Society of Magnetic Resonance in Medicine (2021)