- 1次围观
人脑在生命早期经历快速发育变化，这些变化既为功能的出现奠定基础，也使这一时期容易受到多种神经发育障碍的影响。随着脑体积、形态和影像对比度不断变化，要实现一致且准确的计算神经解剖分析仍面临挑战。SynthSeg 等用于分割的深度学习工具能够稳健处理采集条件各异的 MRI 对比度，但其在早期发育阶段的适用性尚未得到验证。本研究汇集了一个涵盖婴儿期至成年期发育阶段的大型队列（2.6 万例 MRI 扫描），并评估了 SynthSeg 的表现。自动化质量控制评分、目视检查以及与专家分割 MRI 扫描的空间重叠度均表明，发育阶段生成的分割结果质量较差。在婴儿期，只有 36% 的扫描（1094/3069）通过自动化质量控制。将婴儿扫描缩放至成人脑部尺寸，显著提高了空间重叠度；将扫描裁剪至与成人视野一致，则使其通过自动化质量控制。对 SynthSeg“缩放＋裁剪”流程的评估显示，该流程显著改善了整个婴幼儿期和儿童期的分割结果，目视效果和定量指标均有所提升。婴儿扫描中成功分割的比例大幅提高，通过质量控制的扫描占比达到 91%（2803/3069）。这些发现有助于推动对典型及异常神经发育的计算分析，在训练新一代计算工具时也应予以考虑。
AI 分割需要考虑脑大小，才能在发育期 MRI 队列中保持性能 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索关键词
高级搜索
最新结果
AI 分割需要考虑脑大小，才能在发育期 MRI 队列中保持性能
查看 ORCID 资料
Lena Dorfschmidt，
Milly Hang Chi Mak，
查看 ORCID 资料
Sophie Adler，
Konrad Wagstyl
doi：
https://doi.org/10.64898/2026.07.22.739983
Lena Dorfschmidt
1
伦敦国王学院；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Lena Dorfschmidt 的 ORCID 记录
Milly Hang Chi Mak
1
伦敦国王学院；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Sophie Adler
2
伦敦大学学院
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Sophie Adler 的 ORCID 记录
Konrad Wagstyl
1
伦敦国王学院；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
通讯请联系：
konrad.wagstyl{at}kcl.ac.uk
摘要
信息/历史
指标
补充材料
PDF 预览
摘要
人脑在生命早期经历快速发育变化，这些变化既支撑着功能的形成，也标志着个体易受多种神经发育障碍影响的时期。随着脑大小、形态和成像对比度不断变化，实现一致且准确的计算神经解剖分析仍是一项挑战。SynthSeg 等用于分割的深度学习工具能够适应异质性采集的 MRI 对比度，但其在早期发育阶段的表现尚未得到验证。在此，我们汇总了一个大型队列（2.6 万例）MRI 扫描数据，涵盖从婴儿期到成年期的个体】【。
我们开展了相关开发工作，并评估了 SynthSeg 的性能。自动质量控制评分、目视检查以及与专家分割的 MRI 扫描之间的空间重叠结果显示，开发过程中生成的分割质量较差。在婴儿期，仅有 36% 的扫描（1094/3069）通过自动质量控制。将婴儿扫描重缩放至成人脑部大小，显著提高了空间重叠度；将扫描裁剪至与成人视野相匹配，则恢复了自动质量控制的通过率。对 SynthSeg 重缩放加裁剪流程的评估显示，该流程在整个婴儿期和儿童期均带来了明显且可量化的分割效果改善。婴儿扫描中成功分割的比例大幅提升，通过质量控制的扫描现增至 91%（2803/3069）。这些发现有助于对典型及异常神经发育进行计算分析，在训练下一代计算工具时也应予以考虑。
利益冲突声明
作者声明不存在利益冲突。
已声明的资助方信息
Wellcome Trust，
https://ror.org/029chgv08，301991/Z/23/Z
Rosetrees Trust，PGL25-Full/100034
BMA Foundation for Medical Research，Vera Down（2025）
版权
本预印本的版权持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。
本预印本依据 CC-BY 4.0 国际许可协议提供。
返回顶部
上一页
下一页
发布于 2026 年 7 月 25 日。
下载 PDF
补充材料
电子邮件
感谢您有意帮助传播 bioRxiv 的相关信息。
注意：此处要求提供电子邮件地址，仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请在不同的行中输入多个地址，或用逗号分隔。
您即将发送以下内容
AI 分割需要考虑到
脑体积校正对于维持 AI 分割在发育期 MRI 队列中的性能至关重要
邮件主题
（您的姓名）向您转发了 bioRxiv 上的一个页面
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这个页面感兴趣。
您的个人留言
验证码
此问题用于确认您是真人访客，以防止自动化垃圾信息提交。
分享
AI 分割需要考虑脑体积，才能维持其在发育期 MRI 队列中的性能
Lena Dorfschmidt、Milly Hang Chi Mak、Sophie Adler、Konrad Wagstyl
bioRxiv
2026.07.22.739983
doi：https://doi.org/10.64898/2026.07.22.739983
分享本文：
复制
引用工具
AI 分割需要考虑脑体积，才能维持其在发育期 MRI 队列中的性能
Lena Dorfschmidt、Milly Hang Chi Mak、Sophie Adler、Konrad Wagstyl
bioRxiv
2026.07.22.739983
doi：https://doi.org/10.64898/2026.07.22.739983
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote（tagged）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google +1
学科领域
所有文章
动物行为与认知（7826）
生物化学（18282）
生物工程（14453）
生物信息学（43259）
生物物理学（22045）
癌症生物学（19158）
细胞生物学（26266）
临床试验（138）
发育生物学（13685）
生态学（20488）
流行病学（2067）
进化生物学（24947）
遗传学（15895）
基因组学（23084）
免疫学（18266）
微生物学（41478）
分子生物学（17603）
神经科学（91192）
古生物学（682）
病理学（2921）
药理学与毒理学（4969）
生理学（7911）
植物生物学（15570）
科学传播与教育（2072）
合成生物学（4447）
系统生物学（10034）
动物学（2324）
关键词：脑MRI分割 · 深度学习 · 脑发育 · 婴幼儿神经影像 · 自动化质量控制
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.22.739983v1?rss=1