机构名称：
¥ 1.0
经颅磁刺激（TMS）是一种非侵入性神经刺激技术，越来越多地用于治疗神经精神疾病和神经科学研究。由于大脑的复杂结构和受试者之间的电导率变化，对TMS的受试者特异性大脑区域的鉴定对于提高治疗功效和了解治疗反应的机制很重要。数值计算已用于估计脑组织中TMS刺激的电场（E-FIELD）。，但是相对长的计算时间限制了这种方法的应用。在本文中，我们提出了一种基于深神经网络的方法，通过使用名为3D-msre-Sunet和多模式成像数据的神经网络体系结构来加快全脑电子场地的估计。3D-MSResunet网络集成了3D U-NET体系结构，残差模块和结合多尺度特征图的机制。它是使用具有有限元方法（FEM）的E-Field和扩散磁共振成像（MRI）基于各向异性量电导率或解剖图像的大型数据集（FEM）训练的。使用几个评估指标以及成像方式和线圈的不同组合评估3D-MSResunet的性能。实验结果表明，3D-MSResunet的输出电子田提供了可靠的估计由最先进的FEM方法估计的电子场的估计，预测时间大幅下降至约0.24秒。因此，这项研究表明，神经网络是加速对TMS靶向的E-Field预测的潜在有用的工具。
使用深度学习
主要关键词
相关文件推荐
