点击次数：

所属单位：电子电气与物理学院

发表刊物：磁共振成像

项目来源：国家自然科学基金项目

关键字：磁共振成像；新生儿；脑皮层发育；图像分割；机器学习

摘要：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。

备注：2021.08.30 通过。

论文类型：期刊论文

论文编号：12903

卷号：10

期号：10

页面范围：736-742

ISSN号：1674-8034

是否译文：否

CN号：11-5902/R

发表时间：2019-10-18