脳MRIスキャンの髄鞘形成から新生児および乳児の脳の年齢を予測するための深い学習

T1およびT2強調MRIスキャンに対する適切な脳髄膜の背景評価は、妊娠矯正年齢（GCA）に基づいており、正常なミエリン化マイルストーンの知識を持つ脳の主観的な目視検査が必要です。MRIスキャンの脳髄膜髄に基づいて、新生児および乳児GCAを推定できる畳み込みニューラルネットワーク（CNN）を開発する目的。材料と方法1つのアカデミックメディカルセンターからの遡及的研究では、1995年1月から2019年6月にかけて、正常な髄鞘形成を報告した0〜25ヶ月の患者の脳MRIスキャンが連続して収集されました。MRIのGCAは手動で計算されました。除外基準が適用された後、T1およびT2強調MRIスキャンは、頭蓋骨ストリッピング、線形登録、Zスコアリングの正規化、およびダウンサンプリングで前処理されました。3次元回帰CNNは、その損失関数として平均絶対誤差（MAE）を使用してGCAを予測するように訓練されました。注意マップは、レイヤーごとの関連性伝播を使用して計算されました。モデルは、国立衛生研究所（NIH）の外部テストセットで検証されました。モデルMAEは、Kruskal-WallisおよびMann-Whitneyテストを使用して比較されました。結果合計518人の新生児と乳児（平均GCA、67週±33 [SD]、56％の男性）が含まれ、469 T1-、438 T2-、および389 T1およびT2強調研究を含む。10回のランにわたって、T1-、T2-、およびT1およびT2強調ネットワークのMAEは、それぞれ9.8±2.3、9.1±1.9、および7.7±1.7週間でした。注意マップ分析により、GCAが40週間未満のGCAを伴う新生児の小脳、後部白質、および大脳基底核シグナルへのネットワークの注意の増加が示されました。ミエリネーション。外部NIHテストセットでテストされたT1およびT2強調ネットワークのMAEは9.1週間で、外部テストセットの半分を使用してさらにトレーニングを行い、5.9週間に減少しました（p <.001）。結論3次元の畳み込みニューラルネットワークは、T1およびT2強調MRIスキャンの脳髄髄膜パターンに基づいて、0〜25ヶ月の新生児および乳児の妊娠矯正年齢を予測できます。©rsna、2022オンライン補足資料は、この記事で入手できます。

Background Assessment of appropriate brain myelination on T1- and T2-weighted MRI scans is based on gestationally corrected age (GCA) and requires subjective visual inspection of the brain with knowledge of normal myelination milestones. Purpose To develop a convolutional neural network (CNN) capable of estimating neonatal and infant GCA based on brain myelination on MRI scans. Materials and methods In this retrospective study from one academic medical center, brain MRI scans of patients aged 0-25 months with reported normal myelination were consecutively collected between January 1995 and June 2019. The GCA at MRI was manually calculated. After exclusion criteria were applied, T1- and T2-weighted MRI scans were preprocessed with skull stripping, linear registration, z scoring for normalization, and downsampling. A three-dimensional regression CNN was trained to predict GCA using mean absolute error (MAE) as its loss function. Attention maps were calculated using layer-wise relevance propagation. Models were validated on an external test set from the National Institutes of Health (NIH). Model MAEs were compared using Kruskal-Wallis and Mann-Whitney tests. Results A total of 518 neonates and infants (mean GCA, 67 weeks ± 33 [SD], 56% male) was included, comprising 469 T1-, 438 T2-, and 389 T1- and T2-weighted studies. Across 10 runs, MAEs of T1-, T2-, and T1- and T2-weighted networks were 9.8 ± 2.3, 9.1 ± 1.9, and 7.7 ± 1.7 weeks, respectively. Attention map analysis demonstrated increased network attention to the cerebellum, posterior white matter, and basal ganglia signal in neonates with GCA of less than 40 weeks and the anterior white matter signal in infants with GCA of more than 120 weeks, corresponding to the known progression of myelination. The T1- and T2-weighted network tested on the external NIH test set had an MAE of 9.1 weeks, which was reduced to 5.9 weeks with further training using half the external test set (P < .001). Conclusion A three-dimensional convolutional neural network can predict the gestationally corrected age of neonates and infants aged 0-25 months based on brain myelination patterns on T1- and T2-weighted MRI scans. © RSNA, 2022 Online supplemental material is available for this article.