脑微出血（cerebral microbleeds，CMBs）是脑小血管病公认的影像学生物标志物，也是脑淀粉样血管病（cerebral amyloid angiopathy，CAA）的特征性表现。然而，由于血管横断面、铁和钙沉积以及其他低信号伪影会导致较高的假阳性率，在磁敏感加权成像（susceptibility-weighted imaging，SWI）中对其进行自动检测仍具有挑战性。我们提出了一种全自动的三级级联流程，将基于受试者自适应的无监督候选病灶生成方法与两个连续的轻量级三维残差网络（3D ResNet）分类器相结合；该方法仅使用人工参与的质量保证（quality assurance，QA）标签（对每个候选病灶标注“是/否”）进行训练，而无需密集的体素级分割掩膜。候选病灶生成阶段首先对每名受试者的SWI强度直方图拟合高斯混合模型（Gaussian Mixture Model，GMM），以确定自适应低强度阈值；随后通过解剖学掩膜排除生理上不相关的区域（图像边缘、脑室/脑脊液/脉络丛以及小脑），并依据大小和球形度对候选病灶进行筛选。该模型在一个公开的带标注微出血数据集和一个CAA队列上进行训练与评估，采用嵌套式3×5折交叉验证，共纳入30名受试者和11,424个CMB候选病灶，并在训练过程中实施数据增强。阶段A将所有几何候选病灶分类为CMB或非CMB，阶段B则进一步细化预测为阳性的候选病灶，以抑制假阳性（级联模型AUC = 0.9587，敏感度 = 0.712，特异度 = 0.975，阳性预测值 = 0.676，F1值 = 0.693）。该级联模型在保持具有竞争力的敏感度的同时，使阶段A的假阳性减少了76.8%（消除1,157个假阳性中的888个）。在141次SWI扫描上进行推理时，模型平均每次扫描检出40.3个CMB，并在经一名……评估的高CMB病例中，有85%的病例更倾向于使用该方法。盲法神经科医师。该推理流程输出二分类脑微出血（CMB）分割 NIfTI 图像以及供放射科医师使用的质量保证（QA）可视化结果。
一种用于磁敏感加权磁共振成像中脑微出血检测的几何至神经级联方法 | bioRxiv
跳转至主要内容
主页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
一种用于磁敏感加权磁共振成像中脑微出血检测的几何至神经级联方法
查看 ORCID 个人资料
Sam
Bogdanov
，
查看 ORCID 个人资料
Gaurav
Rudravaram
，
查看 ORCID 个人资料
Adam M.
Saunders
，
查看 ORCID 个人资料
Michael E.
Kim
，
James
LeFevre
，
Jack
Charles
，
Stuti
Jain
，
查看 ORCID 个人资料
Matthew S.
Schrag
，
查看 ORCID 个人资料
Bennett A.
Landman
DOI：
https://doi.org/10.64898/2026.07.24.740624
Sam Bogdanov
1
范德堡大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Sam Bogdanov 的 ORCID 记录
通讯作者：
sam.bogdanov{at}gmail.com
Gaurav Rudravaram
1
范德堡大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Gaurav Rudravaram 的 ORCID 记录
Adam M. Saunders
1
范德堡大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Adam M. Saunders 的 ORCID 记录
Michael E. Kim
1
范德堡大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Michael E. Kim 的 ORCID 记录
James LeFevre
1
范德堡大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Jack Charles
2
林肯纪念大学—德布斯克骨科医学院；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Stuti Jain
1
范德堡大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
网站
Matthew S. Schrag
3
范德堡大学医学中心
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本网站上搜索该作者
Matthew S. Schrag 的 ORCID 记录
Bennett A. Landman
1
范德堡大学
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本网站上搜索该作者
Bennett A. Landman 的 ORCID 记录
摘要
信息/历史
指标
预览 PDF
摘要
脑微出血（cerebral microbleeds，CMBs）是公认的脑小血管病影像学标志物，也是脑淀粉样血管病（cerebral amyloid angiopathy，CAA）的特征性表现。然而，由于血管横截面、铁和钙沉积以及其他低信号伪影会产生大量假阳性，脑微出血在磁敏感加权成像（susceptibility-weighted imaging，SWI）中的自动检测仍具有挑战性。我们提出了一种完全自动化的三级级联流程，将基于个体自适应的无监督候选病灶生成方法与两个连续的轻量级三维 ResNet 分类器相结合。该流程仅使用人工参与的质量保证（quality assurance，QA）标签进行训练，即为每个候选病灶标注“是/否”，而非使用密集的逐体素分割掩膜。候选病灶生成阶段通过对每位受试者的 SWI 强度直方图拟合高斯混合模型（Gaussian Mixture Model，GMM），以确定自适应低强度阈值；随后进行解剖学掩膜处理，以排除生理学上无关的区域（图像边缘、脑室/脑脊液（CSF）/脉络丛以及小脑），并依据大小和球形度对候选病灶进行筛选。模型采用嵌套的 3×5 折交叉验证进行训练和评估，数据来自一个公开的带标注脑微出血数据集和一个 CAA 队列，共纳入 30 名受试者（11,424 个脑微出血候选病灶），训练过程中采用了数据增强。阶段 A 将所有几何候选病灶分类为脑微出血或非脑微出血，阶段 B 进一步细化该分类……
通过预测阳性结果抑制假阳性（级联模型 AUC = 0.9587，敏感度 = 0.712，特异度 = 0.975，阳性预测值（PPV）= 0.676，F1 = 0.693）。在保持具有竞争力的敏感度的同时，该级联模型将 A 阶段的假阳性减少了 76.8%（在 1,157 个假阳性中消除了 888 个）。在 141 例 SWI 扫描上进行了推理，每次扫描平均检测到 40.3 个 CMB；经一名盲法神经科医师评估，在 CMB 数量较多的病例中，有 85% 的病例倾向于使用该方法。推理流程输出二值 CMB 分割 NIfTI 图像以及可供放射科医师使用的质量保证（QA）可视化结果。
利益冲突声明
作者声明不存在利益冲突。
已声明的资助者信息
NIH Common Fund，
，T32GM007347，
T32GM152284，
U24 AG074855，
U01 AG068057，
R01 AG059716，
T32-AG058524
Mary Frances Gray Lundy 资助奖学金，用于纪念 James Charles Gray, Sr.，支持 DeBusk 骨科医学院。
版权
本预印本的版权持有人为作者/资助者，其已授予 bioRxiv 永久展示该预印本的许可。
该预印本依据 CC-BY 4.0 国际许可协议提供。
返回顶部
上一篇
下一篇
发布于 2026 年 7 月 28 日。
下载 PDF
电子邮件
感谢您有兴趣传播 bioRxiv 上的相关内容。
注意：我们请求您的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
*
发送至
*
请在不同的行中输入多个地址，或使用逗号分隔。
您将要发送的内容如下：
用于磁敏感加权磁共振成像中脑微出血检测的几何-神经级联模型
（您的姓名）已从 bioRxiv 网站转发此页面给您。
邮件主题
（您的姓名）认为您可能会对 bioRxiv 网站上的此页面感兴趣。
邮件正文
您的个人留言
验证码
此问题用于
测试您是否为人类访客，并防止自动化垃圾提交。
分享
基于几何方法至神经网络级联的磁敏感加权磁共振成像脑微出血检测
Sam Bogdanov，Gaurav Rudravaram，Adam M. Saunders，Michael E. Kim，James LeFevre，Jack Charles，Stuti Jain，Matthew S. Schrag，Bennett A. Landman
bioRxiv
2026.07.24.740624；
doi：
https://doi.org/10.64898/2026.07.24.740624
分享本文：
复制
引用工具
基于几何方法至神经网络级联的磁敏感加权磁共振成像脑微出血检测
Sam Bogdanov，Gaurav Rudravaram，Adam M. Saunders，Michael E. Kim，James LeFevre，Jack Charles，Stuti Jain，Matthew S. Schrag，Bennett A. Landman
bioRxiv
2026.07.24.740624；
doi：
https://doi.org/10.64898/2026.07.24.740624
引用管理器格式
BibTeX
Bookends
EasyBib
EndNote（带标签）
EndNote 8（XML）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus +1
主题领域
所有文章
动物行为与认知（7830）
生物化学（18308）
生物工程（14486）
生物信息学（43324）
生物物理学（22074）
癌症生物学（19185）
细胞生物学（26304）
临床试验（138）
发育生物学（13701）
生态学（20507）
流行病学（2067）
进化生物学（24962）
遗传学（15911）
基因组学（23104）
免疫学（18297）
微生物学（41529）
分子生物学（17623）
神经科学（91349）
古生物学（683）
病理学（2927）
药理学与毒理学（4975）
生理学（7922）
植物生物学（15593）
科学传播与教育（2073）
合成生物学（4449）
系统生物学（10043）
动物学（2329）
关键词：脑微出血 · 磁敏感加权成像 · 级联神经网络 · 三维残差网络 · 医学图像分析
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.24.740624v1?rss=1