对于非常年轻的大脑的人工智能

“这是第一次人工智能已经被用来更好地定义新生儿大脑的不同部分核磁共振成像:即灰质、白质和脑脊液，”CHU saint - justine的新生儿学家、Université de Montréal教授Gregory a . Lodygensky博士说。“直到今天，可用的工具都很复杂，经常混杂在一起，而且很难使用，”他补充说。

与医学图像分析专家何塞·多尔兹教授合作机器学习在ÉTS网站上，研究人员能够根据新生儿环境的特殊性调整工具，然后验证它们。

这项新技术可以快速、准确、可靠地检查婴儿的大脑。科学家们将其视为支持研究的重要资产，这些研究不仅涉及新生儿护理中的大脑发育，还涉及神经保护策略的有效性。

在评估一系列可用的人工智能工具时，CHU saint - justine的研究人员发现这些工具有局限性，特别是在儿科研究。今天的神经成像分析程序主要是为“成人”核磁共振成像而设计的。新生儿的大脑不成熟，伴随着灰质和白质对比的倒置，使这种分析变得复杂。

受多尔兹最新研究的启发，研究人员提出了一种人工神经网络，可以学习如何有效地结合来自多个MRI序列的信息。这种方法可以更好地自动定义新生儿大脑的不同部分，并为这个问题建立一个新的基准。多尔兹说:“我们决定不仅公开我们的研究结果，还公开计算机代码，这样世界各地的大脑研究人员都可以利用它，这一切都使患者受益。”

CHU saint - justine是加拿大新生儿脑平台最重要的参与者之一，也是加拿大最大的新生儿单元之一，专门从事神经发育。作为平台的一部分，研究团队正在实施这样的项目，旨在改善那些最容易受到脑损伤的新生儿的长期健康。

Lodygensky说:“在评估不同疗法对婴儿大脑成熟的积极和消极影响的研究中，我们需要有确定和可靠地量化大脑结构的能力。”“通过向科学界提供我们所有的发现成果，我们在帮助他们，同时为面临风险的新生儿带来了非凡的好处。”

他补充说:“我们现在想让这个工具大众化，使它成为世界各地新生儿大脑结构研究的基准。”为此，我们正在继续研究它的通用性，也就是说，它在不同医院获得的MRI数据上的应用。”