确定大脑是否正常发展是儿科神经加理学和神经内科的关键组成部分。婴儿的脑磁共振成像(MRI)展示了超越髓鞘的特定发展模式。虽然放射科医师使用髓鞘模式,脑形态和尺寸特征来确定年龄充足的脑成熟度,但这需要多年的儿科神经皮层经验。没有标准化标准,在三岁之前的MRI中大脑结构成熟度的视觉估计仍然是观察者间和观察者内的差异。大脑发育年龄的更客观估计可以帮助医生们早先识别许多神经发育病症和疾病。然而,这种数据自然是难以获得的,并且观察者地面真理由于评估的主观性而不是黄金标准。在这种光明中,我们探讨了解决这项任务的一般可行性,以及不同方法的效用,包括在T1加权,T2加权的融合中培训的两维卷积神经网络(CNN)和三维卷积神经网络(CNN)质子密度(Pd)来自84个个体受试者的加权序列分为来自出生于3岁的4岁群体。以最佳性能的方法,在中央轴向厚板上使用2D CNN实现0.90 [95%CI:0.86-0.94]的精度。我们讨论了与3D网络的比较,并展示了如何对仅使用一个序列(T1W)的性能。总之,尽管3D CNN方法的理论优势,但在有限数据的情况下,这种方法差不多达到更简单的架构。代码可以在https://github.com/shabanian2018/age_mri-classification中找到
translated by 谷歌翻译