婴儿大脑MRI图谱集
大家好，这里是 “茗创科技” 。茗创科技专注于脑科学数据处理，涵盖（EEG/ERP, fMRI,结构像,DTI,ASL, ,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（MCKJ-zhouyi或17373158786）咨询。
导读
脑图谱在研究过程中发挥着重要作用，可帮助研究人员或临床医生根据有关脑解剖的先验知识解释其结果。婴儿大脑的神经发育状态是神经科学研究的前沿之一，各类婴儿脑图谱的构建工作正在进行中。这里也为大家提供了一些婴儿脑图谱集，这些脑图谱为分析各种年龄范围的婴儿脑部MRI提供了必要的信息。一般来说，需要具有高对比度噪声比序列的高分辨率MRI图像来创建具有清晰解剖轮廓的婴儿大脑图谱。由于婴儿大脑比成人大脑小，每个体素内可能包含多个结构，这可能会导致婴儿大脑图像的部分容积效应和结构边界模糊。如果使用相同的扫描序列，在不牺牲信噪比的情况下，则需要更长的扫描时间才能获得更高分辨率的图像，难度系数相对较大。所以这些脑图谱集对于该方向未来的科研工作者来说无疑是一种非常宝贵的资源。
JHU-neonate-SS图谱
该图谱来自一个典型发育的足月婴儿，在出生后两天进行扫描。大小和形状与人口平均的JHU新生儿线性模板相匹配。该图谱由共同配准的T1、T2加权和DTI组成，其分割图包括130个解剖标签，包括54个皮层区域、56个白质结构、14个深部灰质结构和6个脑干结构覆盖整个大脑。手工绘制的分区图遵循成人JHU-MNI分区图，这使得成人和新生儿大脑之间的结构比较成为可能。其优点是多模态性能和当前婴儿大脑分割图中最精细的粒度。还提供了组平均T1和T2加权和DTI模板（JHU-neonate-linear和JHU-neonate-nonlinear）。
下载地址：
http://cmrm.med.jhmi.edu/cmrm/Data_neonate_atlas/atlas_neonate.htm
来源：Multi-contrast human neonatal brain atlas: application to normal neonate development analysis.
子宫内3D统计图谱
这是一个组织分布概率图谱，由14个胎龄20.57-22.86周胎儿大脑的临床MRIs构建而成。这些胎儿在出生后正常发育。该图谱包括来自T2加权模板的平均形状和强度，以及灰质、白质、生发基质和脑室的四个组织概率图。组织概率图是由手动绘制生成的。这个图谱现在已经扩展到包括一个时域来形成一个时空图谱（胎儿大脑的时空图谱）。
下载地址：
http://depts.washington.edu/bicg/research/fba.php
来源：Atlas-based segmentation of developing tissues in the human brain with quantitative validation in young fetuses.
胎儿大脑的时空图谱
这是子宫内3D统计图谱中所描述图谱的时间扩展，该图谱由40个正常发育的胎龄20.57-27.86周胎儿的大脑构建而成。该图谱包括来自T2加权模板的特定年龄平均形状和强度，以及灰质、白质、生发基质和脑室的特定年龄组织概率图。组织概率图是由手动绘制生成的。图谱提供的重要信息是特定年龄T2加权强度和组织概率。
下载地址：
http://depts.washington.edu/bicg/research/fba.php
来源：A spatiotemporal atlas of MR intensity, tissue probability and shape of the fetal brain with application to segmentation.
发育中大脑的动态4D概率图谱
这是一组矫正胎龄后的29-44周新生儿的概率图谱，由153名不同年龄的新生儿受试者细分而来。该图谱由平均T2加权强度模板和相应的组织概率图组成，具有动态生成结构的矫正尺寸和形状。该图谱提供了六种结构的组织概率图——皮层、白质、皮层下灰质、脑脊液、脑干和小脑。组织细分是基于皮层下灰质、脑干和小脑的分割，这是通过对三个典型图像的手动分割转换为其他图像得到的。
下载地址：
http://brain-development.org/brain-atlases/neonatal-brain-atlas/
来源：A dynamic 4D probabilistic atlas of the developing brain.
发育中胎儿大脑的多通道4D概率图谱
这是一个由80名大脑正常发育的胎儿构建而成的时空图谱，扫描时胎龄在21.7到38.7周之间。可下载的图谱包括组平均的T2加权图像模板和脑膜、皮层、半球、脑脊液和脑室的组织概率图，适用于23到37周的胎儿。采用基于概率图谱先验的自动组织分割算法创建组织概率图。
下载地址：
https://brain-development.org/brain-atlases/fetal-brain-atlases/fetal-brain-atlas-serag/
来源：Construction of a consistent high-definition spatio-temporal atlas of the developing brain using adaptive kernel regression.
典型的6个月大的婴儿图谱
这是一个单一的概率图谱，由60个典型发育的足月出生婴儿构建而成，这些婴儿的实际年龄为177-230天。该图谱由一个组平均T1加权模板和从自动解剖标记(AAL)图传播的分割图组成，该图谱是根据Colin27成人单被试图谱创建的。
下载地址：
http://ilabs.washington.edu/6-m-templates-atlas
来源：Age-specific average head template for typically developing 6-month-old infants.
高分辨率的新生儿大脑时空图谱
该图谱是胎儿图谱“发育中胎儿大脑的多通道4D概率图谱”的扩展，用于扫描矫正胎龄后28至44周的新生儿大脑。该图谱由来自204名早产新生儿的组平均T1和T2加权MRI模板组成。生成的4D图谱很好地反映了大脑整体和局部的变化。该模板还包括发育中大脑的87个标记结构。使用ALBERT多图谱作为先验知识用于图像分割。
下载地址：
http://brain-development.org/brain-atlases/multi-structural-neonatal-brain-atlas/
https://brain-development.org/brain-atlases/fetal-brain-atlases/fetal-brain-atlas-serag/
来源：
Regional growth and atlasing of the developing human brain.
Construction of a consistent high-definition spatio-temporal atlas of the developing brain using adaptive kernel regression.
UNC婴儿0-1-2图谱
这是一套针对新生儿、一岁和两岁婴幼儿的纵向时空图谱，共95名。这些新生儿在出生后五周内进行了首次扫描，并在一岁和两岁时进行了纵向扫描。这种纵向设计是避免选择偏差的一个重要特征，这在横截面设计中是不可避免的。该图谱由组平均T1和T2加权图像组成，其中包括灰质、白质和脑脊液的组织概率图，这些图像是使用应用于每张图像的自动图像分割方法创建的。该图集还包含从自动解剖标记(AAL)传播的分割图谱。
下载地址：
https://www.med.unc.edu/bric/ideagroup/software/unc-infant-0-1-2-atlases
或
https://www.nitrc.org/projects/pediatricatlas
来源：Infant brain atlases from neonates to 1- and 2-year-olds.
UNC纵向0-3-6-9-12个月大的婴儿图谱
这是一组典型的0、3、6、9和12个月大的婴儿时空图谱，由35名健康婴儿组成，这些婴儿每三个月进行一次纵向扫描，直到一岁。该图谱由组平均T1和T2加权图像组成，其中包括灰质、白质和脑脊液的组织概率图。其主要意义在于同时引入了时间和空间约束，以生成具有丰富结构细节和纵向一致性的图集。纳入了3个月、6个月和9个月的图谱有助于分析婴儿MRI，因为在生命的第一年，大多数大脑区域的灰质和白质之间的T1和T2加权对比度仍然很差。
下载地址：
https://www.nitrc.org/projects/infant_atlas_4d/
来源：Consistent spatial-temporal longitudinal atlas construction for developing infant brains.
UNC 4D婴儿皮层表面图谱
这是一组具有年龄代表性的时空皮层图谱，包括1、3、6、9、12、18、24、36、48、60和72个月的实足年龄，来自50名健康婴儿的339个纵向MRIs扫描。分割图包括和基于HCP多模式的分割。突出的特点是表皮层图谱在所有年龄段都具有顶点到顶点的皮层对应关系，这允许进行横向和纵向分析。
下载地址：
https://www.nitrc.org/projects/infantsurfatlas/
来源：Construction of 4D high-definition cortical surface atlases of infants: methods and applications.
UNC/UCI新生儿海马杏仁核多图谱
这是一组T1和T2加权图像，来自出生后五周内扫描的六个典型发育的新生儿，其中包括灰质、白质和脑脊液，以及海马和杏仁核的分割。
下载地址：
https://www.nitrc.org/projects/unc_brain_atlas/
或
https://www.med.unc.edu/psych/research/niral/download/download-data
基于标签的脑ROI模板(ALBERT)
这是一组不同年龄的婴儿大脑图谱，其中包括来自20名足月和早产儿在矫正胎龄后第36-45周扫描的T1和T2加权图像，以及由50个手动划分的结构组成的分割图。
下载地址：
https://brain-development.org/brain-atlases/neonatal-brain-atlases/neonatal-brain-atlas-gousias/
来源：
Magnetic resonance imaging of the newborn brain: manual segmentation of labelled atlases in term-born and preterm infants.
爱丁堡新生儿图谱(ENA33)
这是一组共同配准的T1和T2加权图像、DTI和33名正常发育的足月新生儿的分割图，这些新生儿在37-41周进行扫描。分割图由107个解剖区域组成，这些区域来自成人脑图谱(SRI24/TZO)；
https://www.nitrc.org/projects/sri24。这在当前的婴儿大脑多图谱存储库中具有最精的细粒度。
下载地址：
http://brainsquare.org/
或
http://www.brainsimagebank.ac.uk/
来源：Parcellation of the healthy neonatal brain into 107 regions using atlas propagation through intermediate time points in childhood.
M-CRIB图谱
这是一组来自10名健康足月新生儿的T2加权图像，并附有复证Desikan-Killiany成人皮层图谱的分割图，该图谱将大脑分割成100个区域，分割是手动完成的。而且还提供了组平均T2加权结构模板。
下载地址：
https://github.com/DevelopmentalImagingMCRI/M-CRIB_atlas
来源：A new neonatal cortical and subcortical brain atlas: the Melbourne Children's Regional Infant Brain (M-CRIB) atlas.
MRICloud 新生儿多图谱库
这是一组由7名健康足月新生儿的T1加权图像组成，并附有复证MRICloud成人图谱库的分割图，该库将整个头部分割成30个区域，分割是手动进行的。全脑覆盖允许对颅腔内容积进行量化，这是其他婴儿图谱集无法提供的。
下载地址：
http://lbam.med.jhmi.edu/
或www.MRICloud.org
来源：Neonatal brain MRI multiatlas repository for automated image quantification.
参考文献：
Oishi, K., Mori, S., Donohue, P.K., Ernst, T., Anderson, L., Buchthal, S., Faria, A., Jiang, H., Li, X., Miller, M.I., van Zijl, P.C., Chang, L., 2011c. Multi-contrast human neonatal brain atlas: application to normal neonate development analysis. Neuroimage 56, 8–20.
Habas, P.A., Kim, K., Rousseau, F., Glenn, O.A., Barkovich, A.J., Studholme, C., 2010b. Atlas-based segmentation of developing tissues in the human brain with quantitative validation in young fetuses. Hum. Brain Mapp. 31, 1348–1358.
Habas, P.A., Kim, K., Corbett-Detig, J.M., Rousseau, F., Glenn, O.A., Barkovich, A.J., Studholme, C., 2010a. A spatiotemporal atlas of MR intensity, tissue probability and shape of the fetal brain with application to segmentation. Neuroimage 53, 460–470.
Kuklisova-Murgasova, M., Aljabar, P., Srinivasan, L., Counsell, S.J., Doria, V., Serag, A., Gousias, I.S., Boardman, J.P., Rutherford, M.A., Edwards, A.D., Hajnal, J.V., Rueckert, D., 2011. A dynamic 4D probabilistic atlas of the developing brain. Neuroimage 54, 2750–2763.
Serag, A., Aljabar, P., Ball, G., Counsell, S.J., Boardman, J.P., Rutherford, M.A., Edwards, A.D., Hajnal, J.V., Rueckert, D., 2012. Construction of a consistent high-definition spatio-temporal atlas of the developing brain using adaptive kernel regression. Neuroimage 59, 2255–2265.
Akiyama, L.F., Richards, T.R., Imada, T., Dager, S.R., Wroblewski, L., Kuhl, P.K., 2013. Age-specific average head template for typically developing 6-month-old infants. PLoS One 8 e73821.
Makropoulos, A., Aljabar, P., Wright, R., Huning, B., Merchant, N., Arichi, T., Tusor, N., Hajnal, J.V., Edwards, A.D., Counsell, S.J., Rueckert, D., 2016. Regional growth and atlasing of the developing human brain. Neuroimage 125, 456–478.
Shi, F., Yap, P.T., Wu, G., Jia, H., Gilmore, J.H., Lin, W., Shen, D., 2011. Infant brain atlases from neonates to 1- and 2-year-olds. PLoS One 6 e18746.
Zhang, Y., Shi, F., Wu, G., Wang, L., Yap, P.T., Shen, D., 2016. Consistent spatial-temporal longitudinal atlas construction for developing infant brains. IEEE Trans. Med. Imaging 35, 2568–2577.
Li, G., Wang, L., Shi, F., Gilmore, J.H., Lin, W., Shen, D., 2015a. Construction of 4D high-definition cortical surface atlases of infants: methods and applications. Med. Image Anal. 25, 22–36.
文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。
婴儿大脑MRI图谱集相关推荐
- 发展人脑连接组计划中（dHCP)婴儿扩散 MRI 的自动化处理流程
发展人脑连接组计划(developing Human Connectome Project, dHCP)旨在为科学界创建并提供胎龄为 20 至 44 周的婴儿大脑功能和结构连接的四维图像,以探索遗传和 ...
- U-Net：大脑MRI海马体语义分割
文章目录 Step 01 数据集 Step 02 自定义Dataset Step 03 构建U-Net网络 Step 04 训练与预测 相关技术:Python.Pytorch.U-Net Step 0 ...
- 谷歌自动重建了完整果蝇大脑神经图：40万亿像素，可在线交互，用了数千块TPU...
乾明 发自 凹非寺 量子位 报道 | 公众号 QbitAI 研究大脑神经网络,又有新进展. 谷歌AI发布博客文章宣布最新研究成果: 用Flood-Filling网络和Local Realignmen ...
- 大脑神经图_我们的大脑如何理解图
大脑神经图 To learn from something, we first have to understand it. With AI, this isn't always so easy. 要 ...
- 09科学艺术微观摄影大赛:婴儿乌贼夺冠(图)
据英国<新科学家>杂志网站报道,美国普林斯顿大学日前举办科学艺术微观摄影展,参赛作品均为显微镜下的微观世界.这次摄影展秉承了意大利著名艺术家达芬齐的名言:"研究艺术的科学和科学的 ...
- 神经形态网络——大脑神经图论文阅读笔记【1】
这个故事始于 文章 "Learning function from structure in neuromorphic networks" \quad\quad 首先我们把摘要的翻 ...
- 小鼠大脑解剖图分区_科学家们绘制小鼠大脑的详细3D结构图谱
原标题:科学家们绘制小鼠大脑的详细3D结构图谱 据外媒BGR报道,科学家们近日已经完成一个历时三年的项目,其旨在为实验室小鼠的大脑制作一个详细的3D结构"图谱".由此建立的模型将帮 ...
- Spin test 两个脑图如何计算空间相关的P值？两张大脑map图如何做空间相关置换检验？
论文里面我们经常看到2个指标的相关关系,如下图所示,那么怎么做置换检验,求出p值呢? 其实原理很简单,就是旋转脑图的空间位置坐标,生成不同的脑图,然后再算相关关系,生成null model. spin ...
- 小鼠大脑解剖图分区_《小鼠的解剖图谱》.pdf
图Ⅸ-1 整体骨骼侧面观The skeleton. Lateral view 图Ⅸ-2 整体骨骼背面观The skeleton. Dorsal view 1 背肋dorsal rib 2 胸椎thor ...
最新文章
- 微信公众平台 分享到朋友圈 js代码
- 无人出租车被警察截停后逃逸！AI：我当时害怕极了
- 配置WINDOWS群集
- 关键词热度分析工具_谷歌SEO推广排名的关键要素（一）利用谷歌关键词分析工具分析关键词...
- Laravel源码解析之Console内核
- 有规律的进行效果最好－－打扫有感
- FileStream构造函数
- java composite 模式_《JAVA设计模式》中的组合模式Composite
- Linux下用C获取so库所在路径
- 关于Cisco ASDM中配置STATIC NAT顺序的问题-By 年糕泰迪
- 自然语言处理技术发展简史
- Error attempting to get column ‘hiredate‘ from result set. Cause: java.sql.SQLFeatureNotSupportedEx
- 如何用计算机的if,计算机if函数怎么用
- html表格怎么加图片,添加图片到HTML表格动态
- 杭州亲历重要时间点记录
- PowerDesigner 15破解版下载
- Harmonious Army
- android环信删除会话列表,关于环信删除会话之后，从好友列表进入无法显示聊天消息...
- subfinder子域名发现工具
- svn: E155007 和 svn: E155004