加拿大科学家开发了一项创新技术，利用人工智能来更好地定义新生儿在磁共振成像(MRI)检查中大脑的不同部分。

这项研究的结果发表在今天的《神经科学前沿》(Frontiers in Neuroscience)杂志上。这项研究是由蒙特利尔圣贾斯汀儿童医院(CHU Sainte-Justine children’s hospital)和美国教育考试服务中心(ETS)工程学院的研究人员合作完成的。

这是人工智能首次被用于更好地在MRI上定义新生儿大脑的不同部分:即灰质、白质和脑脊液。直到今天，可用的工具都很复杂，常常混杂在一起，很难使用。”

Gregory a医生Lodygensky a neonatologist在朱Sainte-Justine and Universitéde Montréal分校教授

在与美国教育考试服务中心医学图像分析和机器学习专家Jose Dolz教授的合作下，研究人员能够使这些工具适应新生儿环境的特殊性，并对其进行验证。

这项新技术可以快速、准确、可靠地检测婴儿的大脑。科学家们将其视为支持研究的主要资产，这些研究不仅涉及新生儿护理中的大脑发育，还涉及神经保护策略的有效性。

在评估一系列可用的人工智能工具时，CHU Sainte-Justine的研究人员发现这些工具有局限性，尤其是在儿科研究方面。今天的神经成像分析程序主要是为“成人”核磁共振而设计的。新生儿大脑发育不成熟，大脑灰质和白质的对比倒置，使这种分析复杂化。

受Dolz最近工作的启发，研究人员提出了一种人工神经网络，它可以学习如何有效地结合来自多个MRI序列的信息。这种方法可以更好地自动定义新生儿大脑的不同部分，并为这个问题建立一个新的基准。

多尔兹说:“我们决定不仅要分享我们在开源领域的研究成果，还要分享计算机代码，这样各地的大脑研究人员都可以利用这些成果，所有这些成果都对病人有益。”

CHU Sainte-Justine是加拿大新生儿大脑平台最重要的参与者之一，也是加拿大最大的新生儿神经发育单位之一。作为该平台的一部分，研究团队正在实施这样的项目，目的是改善那些最易受脑损伤的新生儿的长期健康。

Lodygensky说:“在评估不同疗法对婴儿大脑成熟的积极和消极影响的研究中，我们需要有能力确定和可靠地量化大脑结构。”“通过向科学界提供我们所有发现的成果，我们正在帮助他们，同时为有风险的新生儿带来非凡的好处。”

他补充说:“我们现在想要普及这个工具，使它成为全世界新生儿大脑结构研究的基准。”为此，我们正在继续研究它的普遍性，也就是说，它在不同医院获得的MRI数据上的应用。”

蒙特利尔大学

Ding, Y.， et al.(2020)使用深度卷积神经网络进行新生儿大脑图像分割。神经科学前沿。doi.org/10.3389/fnins.2020.00207。