Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

La nuova tecnica usa il AI per definire meglio le sezioni differenti del cervello in neonati

Gli scienziati canadesi hanno sviluppato una nuova tecnica innovatrice che usa l'intelligenza artificiale definire meglio le sezioni differenti del cervello in neonati durante l'esame (MRI) di imaging a risonanza magnetica.

I risultati di questo studio -- una collaborazione fra i ricercatori all'ospedale pediatrico del CHU Sainte-Justine di Montreal ed il banco di assistenza tecnica di ÉTS -- sono pubblicati oggi nelle frontiere in neuroscienza.

Ciò è una delle prima volta che l'intelligenza artificiale è stata usata meglio definire le parti differenti di un cervello neonato su un MRI: vale a dire la materia grigia, materia bianca e liquido cerebrospinale. Fino all'oggi, gli strumenti disponibili erano complessi, mescolato spesso e difficile accedere a.„

Dott. Gregory A. Lodygensky, un neonatologist a CHU Sainte-Justine e professore a Université de Montréal

In collaborazione con il professor Jose Dolz, un esperto nell'analisi sulla base di immagini medica e apprendimento automatico a ÉTS, i ricercatori potevano adattare gli strumenti alle specificità della regolazione neonatale e poi convalidarle.

Questa nuova tecnica permette che i cervelli dei bambini siano esaminati rapidamente, esattamente ed attendibilmente. Gli scienziati la vedono come bene importante per la ricerca supportante che non solo indirizza lo sviluppo del cervello nella cura neonatale, ma anche l'efficacia delle strategie neuroprotective.

Nella valutazione dell'intervallo degli strumenti disponibili in intelligenza artificiale, i ricercatori di CHU Sainte-Justine hanno trovato che questi strumenti hanno presentati le limitazioni, specialmente riguardo alla ricerca pediatrica. Gli odierni programmi neuroimaging dell'analisi soprattutto sono destinati per lavorare a MRIs “adulto„. L'immaturità cerebrale dei neonati, con un'inversione dei contrasti fra la materia grigia e la materia bianca, complica tali analisi.

Ispirato tramite il lavoro recente di Dolz, i ricercatori hanno proposto una rete neurale artificiale che impara come riunire efficientemente le informazioni da parecchie sequenze di MRI. Questa metodologia ha permesso di definire meglio automaticamente le parti differenti del cervello nel neonato e di stabilire un nuovo benchmark per questo problema.

“Abbiamo deciso non solo di dividere i risultati del nostro studio su open source, ma egualmente il codice macchina, di modo che i ricercatori del cervello dappertutto possono approfittarlo, che avvantaggia i pazienti,„ ha detto Dolz.

CHU Sainte-Justine è uno dei giocatori più importanti nella piattaforma neonatale canadese del cervello ed egualmente ha una di più grandi unità neonatali nel Canada che si specializzano nel neurodevelopment. Come componente della piattaforma, i gruppi di ricerca stanno applicando i progetti come questo allo scopo di migliorare la salubrità a lungo termine di quei neonati che sono i più vulnerabili al trauma cranico.

“Negli studi per valutare l'impatto positivo e negativo delle terapie differenti sulla maturazione dei cervelli dei bambini, dobbiamo avere la capacità di quantificare le strutture del cervello con certezza ed affidabilità,„ Lodygensky ha detto. “Offrendo alla comunità scientifica la frutta di tutte le nostre scoperte, stiamo aiutandole, mentre generando un vantaggio straordinario per i neonati a rischio.„

Ha aggiunto: “Ora vogliamo democratizzare questo strumento in modo che si trasformi nel benchmark per lo studio sulla struttura del cervello in neonati intorno al mondo. A questo scopo, stiamo continuando a lavorare al suo generalizability - cioè, il suo uso sui dati di MRI acquistati in ospedali differenti.„

Source:
Journal reference:

Ding, Y., et al. (2020) Using Deep Convolutional Neural Networks for Neonatal Brain Image Segmentation. Frontiers in Neuroscience. doi.org/10.3389/fnins.2020.00207.