醫(yī)學院、航天航空學院與哈佛大學醫(yī)學院、河南省人民醫(yī)院等合作, 采用深度學習方法解決... 時間：2020-10-08
功能磁共振成像是通過血氧信號探測大腦功能活動的常用方法，無創(chuàng)而且空間精度高，在腦科學研究和腦疾病診療中具有廣泛應用。然而，功能磁共振采集到的大腦活動信號常常會受到磁化率偽影、金屬植入物的干擾，造成局部的信號扭曲甚至缺損。神經(jīng)外科臨床診療中，難治性癲癇患者為了進行手術規(guī)劃而植入的顱內(nèi)電極、帕金森病人為了緩解震顫而植入的深部腦刺激器，這些植入物及其導線和連接器，都會對功能磁共振信號產(chǎn)生干擾，嚴重妨礙了通過功能磁共振成像評價和研究病人的腦功能網(wǎng)絡，并可能導致對研究結果的誤讀。
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?圖1 功能磁共振成像信號的扭曲和缺損
日前，清華大學醫(yī)學院洪波團隊、航天航空學院院李路明團隊與河南省人民醫(yī)院王梅云團隊、哈佛大學醫(yī)學院Martinos影像中心劉河生團隊合作，采用生成對抗網(wǎng)絡(Generative adversarial networks，GAN) 模型，對臨床上部分信號缺損的靜息態(tài)功能磁共振信號的實現(xiàn)準確修復。
生成對抗網(wǎng)絡是一種深度學習框架，由一組生成器和分類器組成，在圖像人工智能處理領域具有廣泛應用。在本研究中，團隊采用深度卷積生成式對抗網(wǎng)絡模型，通過對生成器進行正常樣本的對抗訓練，使其學習到正常樣本各個腦區(qū)共同激活的統(tǒng)計分布，從而可以基于其中一部分腦區(qū)的激活信號，對另外一部分腦區(qū)缺損的功能磁共振信號進行預測。這種基于生成式深度學習模型的受損功能磁共振圖像修復技術，巧妙解決了現(xiàn)有磁共振預處理方法無法處理信號缺損腦功能圖像的難題。該方法不僅可以修補大腦皮層網(wǎng)絡的連接圖譜，還可以實現(xiàn)信號缺損腦區(qū)功能磁共振激活時間序列的單幀重建，實現(xiàn)了對大腦激活磁共振信號在時間和空間上的完整重建。該方法在信號序列波動一致性、功能網(wǎng)絡連接圖譜相似性、以及個體大腦功能網(wǎng)絡特異性等方面，都達到了良好的性能指標。植入磁共振兼容腦起搏器的帕金森患者，腦功能圖像通過該方法實現(xiàn)了準確修復。該方法對于臨床診療和腦科學科研中，因信號采集和電極干擾等問題導致的功能磁共振信號的缺損，提供了一種新穎有效的解決方案。
圖1? 基于生成對抗網(wǎng)絡實現(xiàn)缺損功能磁共振信號修復的方法
圖2? 植入腦起搏器的帕金森患者大腦缺損磁共振信號得到準確修復
?
上述成果10月7日以“采用深度學習方法重建個體大腦缺損的血氧水平依賴信號”（Reconstructing lost BOLD signal in individual participants using deep machine learning）為題在線發(fā)表于《自然?通訊》（Nature Communications）上。清華大學醫(yī)學院洪波教授、航天航空學院李路明教授、河南省人民醫(yī)院王梅云教授、哈佛大學醫(yī)學院劉河生教授是本論文的共同通訊作者，清華大學醫(yī)學院博士生閆宇翔、河南省人民醫(yī)院博士后Louisa Dahmani、清華大學航天航空學院博士生任建勛為論文的共同第一作者。該研究得到了國家自然科學基金委、科技部重點研發(fā)計劃等支持。
?
文章鏈接：
https://www.nature.com/articles/s41467-020-18823-9
版權與免責聲明：本網(wǎng)頁的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構成其他建議。僅提供交流平臺，不為其版權負責。如涉及侵權，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com