Avancerad programvara förbättrar cerebellär analys för att diagnostisera sjukdomen

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Ett team av forskare från Universitat Politècnica de València (UPV) och det franska nationella centret för vetenskaplig forskning (CNRS) har utvecklat världens mest avancerade programvara för att studera den mänskliga lillhjärnan med högupplösta NMR-bilder. Denna programvara heter Deepceres och hjälper till att forska och diagnostisera sjukdomar som ALS, schizofreni, autism och Alzheimers bland annat. De spanska och franska forskarnas arbete publicerades i den prestigefyllda tidskriften Neuroimage. Trots sin ringa storlek jämfört med resten av hjärnan innehåller lillhjärnan cirka 50 % av alla hjärnneuroner och spelar en grundläggande roll i kognitiva, emotionella och motoriska funktioner. Som Sergio...

Avancerad programvara förbättrar cerebellär analys för att diagnostisera sjukdomen

Ett team av forskare från Universitat Politècnica de València (UPV) och det franska nationella centret för vetenskaplig forskning (CNRS) har utvecklat världens mest avancerade programvara för att studera den mänskliga lillhjärnan med högupplösta NMR-bilder. Denna programvara heter Deepceres och hjälper till att forska och diagnostisera sjukdomar som ALS, schizofreni, autism och Alzheimers bland annat. De spanska och franska forskarnas arbete publicerades i den prestigefyllda tidskriften Neuroimage.

Trots sin ringa storlek jämfört med resten av hjärnan innehåller lillhjärnan cirka 50 % av alla hjärnneuroner och spelar en grundläggande roll i kognitiva, emotionella och motoriska funktioner.

Som Sergio Morell-Eorga, en projektforskare vid ITACA-institutet vid University Politècnica de València, förklarar, har segmentering av lillhjärnan hittills varit en stor utmaning på grund av komplexiteten i dess anatomi och svårigheten att differentiera dess strukturer genom konventionella magnetiska resonansbilder.

"Deepceres övervinner alla dessa utmaningar och är idag det mest exakta verktyget i världen för att mäta en så viktig struktur i det centrala nervsystemet som lillhjärnan", betonar Morell.

Hög noggrannhet

Deepceres programvara kan mäta 27 strukturer i lillhjärnan. Och det sker för att förbättra precisionen i segmenteringen jämfört med de tidigare använda metoderna, vilket främst beror på tillämpningen av olika artificiell intelligensverktyg.

Med hjälp av vanliga 1 kubikmillimeter resonansbilder omvandlas dessa till bilder med ultrahög upplösning på 0,125 mm3 med hjälp av djupa neurala nätverk. Detta gör det möjligt för forskare och vårdpersonal att få detaljerad information om lillhjärnans anatomi utan att behöva använda ultrahögupplösta data i den första bilden. Det är som att gå från en svartvit bild till en färgbild. Det finns för närvarande inget liknande och det är också öppet för hela forskarsamhället. "

Professor José Vicente Manjón, huvudutredare för projektet

Tillämpningar inom neurovetenskap och klinisk praktik

Enligt utvecklarna av Deepceres hjälper precisionen av volymetrisk kvantifiering av lillhjärnan till studien av neurologiska patologier som cerebellär ataxi, amyotrofisk lateralskleros eller psykiatriska sjukdomar som schizofreni och autism.

"Dessutom har flera nyligen publicerade studier visat förekomsten av strukturen i lillhjärnan vid neurodegenerativa sjukdomar som Alzheimers", tillägger Sergio Morell.

15 000 lillhjärnor på fem månader

För att underlätta dess användning har UPV- och franska CNRS-team utvecklat en onlineplattform som är tillgänglig för forskning och medicinsk personal. Sedan lanseringen för fem månader sedan har Deepceres bearbetat bilder från nästan 15 000 lillhjärnor. Hittills har det använts av experter från många länder, med störst inverkan i USA och Kina.

Forskare från Research Institute of Industrial Control Systems and Computing och Institutionen för tillämpad matematik vid University Politècnica de València, Institutionen för psykobiologi vid University of Valencia, Medical Imaging Department vid University of La Fe och Polytechnic Hospital och Fisabio-blandningen har också varit inblandade i utvecklingen av Felipe-Biokenum-Imags utveckling i utvecklingen av Felipe-Biokentum-Imag.


Källor:

Journal reference:

Morell-Ortega, S.,et al. (2025). DeepCERES: En djupinlärningsmetod för segmentering av cerebellär lobulär med hjälp av multimodal MRI med ultrahög upplösning. NeuroImage. doi.org/10.1016/j.neuroimage.2025.121063.