深度学习自动分割脉络丛：神经退行性疾病新工具

脉络丛作为脑脊液产生、免疫信号传导和代谢清除的核心结构，已成为神经退行性疾病的潜在影像生物标志物。然而，由于其形态复杂且常规MRI对比度低，准确量化脉络丛体积仍具挑战。

一项预印本研究评估了深度学习框架ASCHOPLEX在来自多中心COMPASS-ND研究的神经退行性疾病患者T1-weighted MRI中的表现。结果显示，ASCHOPLEX在自动分割中表现良好，但存在与年龄相关的偏差，需在体积分析中进行校正。

该研究指出，未来需在更广泛人群和扫描协议中验证性能，并强调年龄校正的重要性。ASCHOPLEX可扩展性有望推动神经退行性疾病的大规模影像研究。