Глубокое обучение выявило скрытую атрофию ствола мозга при сложных паркинсонических расстройствах
Нейродегенеративные синдромы Паркинсона демонстрируют регионально различимую потерю тканей, затрагивающую несколько структур ствола и среднего мозга. Надежный объем ограничен сегментацией на основе атласа в мозге, пораженном атрофией. Мы разработали многоклассовую сверточную нейронную сеть (CNN) для сегментации 16 областей, связанных со стволом мозга, при рутинной магнитно-резонансной томографии (МРТ). В этом ретроспективном одноцентровом исследовании для разработки и проверки модели использовались 200 аннотированных вручную наборов данных МРТ пациентов с болезнью Паркинсона, атипичными синдромами Паркинсона и здоровых людей. Модель Deep Neural Patchwork была обучена на 150 наборах данных и оценена в независимой тестовой группе из 50 участников на основе сегментации на основе атласа с использованием коэффициента Дайса, расстояния Хаусдорфа 95% и средних симметричных поверхностных расстояний (ASSD). В когорте расширенной проверки из 264 участников были проанализированы региональные объемы, полученные из CNN, при болезни Паркинсона, прогрессирующем супрануклеарном параличе (PSP) и множественной системной атрофии (MSA). Сегментация CNN превзошла сегментацию на основе атласа по показателям точности. Общие медианы составили 0,75 против 0,33 для Dice, 2,0 против 5,0 мм для расстояния Хаусдорфа 95% и 0,30 против 1,02 мм для ASSD. Объемные измерения, полученные с помощью CNN, резюмировали установленные закономерности, связанные с заболеванием, включая преобладающую мезенцефальную атрофию верхней ножки мозжечка и атрофию красного ядра при ПСП и более выраженную потерю объема мостовой и средней ножки мозжечка при МСА. Основным вкладом этого исследования является устойчивая к атрофии многоклассовая структура сегментации ствола мозга. Эта структура может обеспечить анатомически более точное извлечение количественных показателей МРТ, чем подходы на основе атласа, и может уменьшить загрязнение соседних пространств спинномозговой жидкости, особенно в небольших структурах, пораженных атрофией.
## В чем суть открытия Заболевания головного мозга меняют анатомию головы, приводя к сбою традиционных инструментов МРТ. Специализированный искусственный интеллект точно отображает шестнадцать крошечных структур ствола мозга, даже когда сильное сокращение тканей искажает нормальные границы. ## Как это устроено: принцип работы Система использует архитектуру сверточной нейронной сети Deep Neural Patchwork, обученную на аннотированных вручную МРТ-сканах. Он делит сложные сканы ствола мозга на перекрывающиеся локальные участки для выполнения надежной многоклассовой сегментации по 16 различным субрегионам. Изучая локализованные геометрические и паттерны интенсивности, он точно определяет границы структур, несмотря на тяжелую нейродегенеративную потерю тканей. ## Что это меняет на практике В течение 1–3 лет этот инструмент может повысить точность клинических исследований и диагностики атипичных синдромов Паркинсона, предоставляя надежные объемные биомаркеры региональной дегенерации ствола мозга. ## Границы метода и риски Модель была разработана на основе ретроспективных данных из одного центра и требует внешней проверки в нескольких местах с использованием различного оборудования сканера и последовательностей импульсов перед рутинным клиническим развертыванием. ## Результаты и доказательства - **Комплексный скор значимости:** 9.5 / 10.0 - **Уровень доказательности:** клинические / in vivo испытания - **Бенчмарки и прирост:** Dice coefficient: 0.75 vs 0.33; 95% Hausdorff distance: 2.0 vs 5.0 mm; ASSD: 0.30 vs 1.02 mm - **Размер выборки / валидация:** N = 464 total participants (200 development/test cohort + 264 extended validation cohort)