多对比度MRI检测胼胝体异常和遗传关联的全面胼胝体分割工具
摘要：综述：自此提供了一种自动化工具，用于从T1w，T2w和FLAIR图像中分割和评估前脑胼胝体的形状。该工具训练了一个UNet模型，并且具备质量控制算法。我们计算了一个测试-重测数据集中的内部相关性（ICC）和平均Dice得分，以评估分割的可靠性。我们还将我们的分割结果应用于质量较差和部分脑部扫描图像。利用来自英国生物库的超过40,000名个体的数据，突出显示了提取特征的生物学意义，我们对临床定义的形状异常进行分类并进行基因分析。
作者：Shruti P. Gadewar (1), Elnaz Nourollahimoghadam (1), Ravi R. Bhatt (1), Abhinaav Ramesh (1), Shayan Javid (1), Iyad Ba Gari (1), Alyssa H. Zhu (1), Sophia Thomopoulos (1), Paul M. Thompson (1), Neda Jahanshad (1) (for the Alzheimer's Disease Neuroimaging Initiative, (1) Imaging Genetics Center, Mark and Mary Stevens Neuroimaging and Informatics Institute, Keck School of Medicine, University of Southern California, Marina del Rey, CA, USA)
论文ID：2305.01107
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-05-03