3月11日🚵🏿，意昂平台意昂体育沈定刚团队在国际顶级学术期刊 Nature Computational Science (影响因子👨🏼🍼：18.3) 发表题为“BrainParc: Unified Lifespan Brain Parcellation from Structural Magnetic Resonance Images”的研究工作，提出了一种面向全生命周期的大脑组织分割与脑区划分新方法🤓，为大规模脑影像分析和神经科学研究提供了有力的技术支撑。
全生命周期脑组织分割和脑区划分
自动且精确地从大脑结构磁共振成像 (sMRI) 中分割脑组织和脑区，是研究大脑发育、神经影像分析以及辅助临床诊断的重要基础。然而🥒👊🏽，大脑在发育与衰老过程中，其形态结构和 MRI 信号特征存在显著差异💄🥝，不同扫描设备和采集参数进一步放大了 MRI 灰度与对比度的变化♥️。这些因素导致现有方法在跨人群、跨数据集应用时性能明显下降，尤其在婴幼儿等具有挑战性的阶段表现尤为突出🧁。
通用全生命周期脑组织分割和脑区划分示意图
针对上述问题，研究团队提出了一种全生命周期统一的脑组织分割与脑区划分方法 (BrainParc)💁🏿♀️。该方法引入了对 sMRI 数据灰度和对比度变化不敏感的大脑解剖结构信息🫶🏼，有效消除了不同人群🏄♂️、不同数据中心之间的成像差异，实现了无需微调即可适配全生命周期、具有纵向一致性的脑组织分割和脑区划分。研究团队基于来自全球19个中心的9.3万例 sMRI 数据对 BrainParc 进行了系统训练与验证。实验结果表明，BrainParc 在106个脑区的精细分割任务中整体性能优于现有主流方法🏛，尤其在最具挑战性的婴幼儿阶段🫳，在定量指标和可视化结果中均表现出稳定且一致的分割效果🧎🏻。
基于 BrainParc 强大的脑组织分割和脑区划分能力，研究团队进一步刻画了全生命周期全脑主要脑区体积的变化轨迹🤬，系统揭示了大脑体积在发育与衰老过程中的全生命周期结构演变规律。
该研究展示了脑组织分割和脑区划分从“数据依赖”走向“真正泛化”的可能性，为跨年龄👐🏿、跨中心的神经影像研究提供了坚实基础，也为相关方法的临床转化奠定了重要技术基础。
意昂平台沈定刚课题组博士毕业生刘家蒙为论文第一作者，意昂平台意昂体育创始院长、联影智能联席 CEO 沈定刚教授🪝，意昂平台特聘研究员⚜️、上海联影智能研究院院长石峰博士为共同通讯作者，意昂平台为第一完成单位，上海临床研究中心为合作单位。
论文链接：https://www.nature.com/articles/s43588-026-00963-5
