Avansert programvare forbedrer cerebellar analyse for å diagnostisere sykdommen

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Et team av forskere fra Universitat Politècnica de València (UPV) og det franske nasjonale senteret for vitenskapelig forskning (CNRS) har utviklet verdens mest avanserte programvare for å studere den menneskelige lillehjernen med høyoppløselige NMR-bilder. Denne programvaren heter Deepceres og hjelper til med forskning og diagnostisering av sykdommer som ALS, schizofreni, autisme og Alzheimers blant andre. Arbeidet til de spanske og franske forskerne ble publisert i det prestisjetunge tidsskriftet Neuroimage. Til tross for sin lille størrelse sammenlignet med resten av hjernen, inneholder lillehjernen omtrent 50 % av alle hjerneneuroner og spiller en grunnleggende rolle i kognitive, emosjonelle og motoriske funksjoner. Som Sergio...

Avansert programvare forbedrer cerebellar analyse for å diagnostisere sykdommen

Et team av forskere fra Universitat Politècnica de València (UPV) og det franske nasjonale senteret for vitenskapelig forskning (CNRS) har utviklet verdens mest avanserte programvare for å studere den menneskelige lillehjernen med høyoppløselige NMR-bilder. Denne programvaren heter Deepceres og hjelper til med forskning og diagnostisering av sykdommer som ALS, schizofreni, autisme og Alzheimers blant andre. Arbeidet til de spanske og franske forskerne ble publisert i det prestisjetunge tidsskriftet Neuroimage.

Til tross for sin lille størrelse sammenlignet med resten av hjernen, inneholder lillehjernen omtrent 50 % av alle hjerneneuroner og spiller en grunnleggende rolle i kognitive, emosjonelle og motoriske funksjoner.

Som Sergio Morell-Eorga, en prosjektforsker ved ITACA Institute of University Politècnica de València, forklarer, har segmentering av lillehjernen så langt vært en stor utfordring på grunn av kompleksiteten til dens anatomi og vanskeligheten med å differensiere strukturene gjennom konvensjonelle magnetiske resonansbilder.

"Deepceres overvinner alle disse utfordringene og er i dag det mest nøyaktige verktøyet i verden for å måle en så viktig struktur i sentralnervesystemet som lillehjernen," understreker Morell.

Høy nøyaktighet

Deepceres-programvaren kan måle 27 strukturer i lillehjernen. Og det skjer for å forbedre presisjonen av segmentering sammenlignet med de tidligere brukte metodene, som hovedsakelig skyldes bruken av ulike kunstig intelligens-verktøy.

Ved å bruke standard 1 kubikkmillimeter resonansbilder konverteres disse til bilder med ultrahøy oppløsning på 0,125 mm3 ved bruk av dype nevrale nettverk. Dette gjør det mulig for forskere og helsepersonell å få detaljert informasjon om anatomien til lillehjernen uten behov for data med ultrahøy oppløsning i det første bildet. Det er som å gå fra et svart-hvitt-bilde til et fargebilde. Det er foreløpig ikke noe lignende, og det er også åpent for hele det vitenskapelige miljøet. "

Professor José Vicente Manjón, hovedetterforsker av prosjektet

Anvendelser innen nevrovitenskap og klinisk praksis

I følge utviklerne av Deepceres hjelper presisjonen av volumetrisk kvantifisering av lillehjernen i studiet av nevrologiske patologier som cerebellar ataksi, amyotrofisk lateral sklerose eller psykiatriske sykdommer som schizofreni og autisme.

"I tillegg har flere nylig publiserte studier vist forekomsten av strukturen til lillehjernen ved nevrodegenerative sykdommer som Alzheimers," legger Sergio Morell til.

15 000 lillehjerner på fem måneder

For å lette bruken har UPV- og franske CNRS-team utviklet en nettplattform tilgjengelig for forskning og medisinsk personell. Siden lanseringen for fem måneder siden har Deepceres behandlet bilder fra nesten 15 000 lillehjerner. Så langt har den blitt brukt av eksperter fra mange land, med størst innvirkning i USA og Kina.

Forskere fra Research Institute of Industrial Control Systems and Computing og Institutt for anvendt matematikk ved University Politècnica de València, Institutt for psykobiologi ved Universitetet i Valencia, Medisinsk bildebehandlingsavdeling ved Universitetet i La Fe og Polytechnic Hospital og Fisabio-blandingen har også vært involvert i utviklingen av Felipe-Biomedisinsk-Imag-utviklingen i utviklingen av Felipe-Biomedical-Imag.


Kilder:

Journal reference:

Morell-Ortega, S.,et al. (2025). DeepCERES: En dyp læringsmetode for segmentering av cerebellar lobulus ved bruk av multimodal MR med ultrahøy oppløsning. NeuroImage. doi.org/10.1016/j.neuroimage.2025.121063.