近日，德国研究人员开发出一种叫做FastSurfer的脑部成像分析工具。这是一种基于深度学习的快速、准确的神经成像工作流。在实际测试中，运行速度和性能都超过了FreeSurfer。

多年以来，生物影像学的重要研究方向是致力于提高脑部成像检测的成本与效率，这对解决脑部医学问题非常重要。近日，德国研究人员发表了一篇题为《FastSurfer - A fast and accurate deep learning based neuroimaging pipeline》的文章，介绍了FastSurfer——一种基于深度学习的快速、准确的神经成像工作流。

以往的研究人员在做脑部成像分析时一般利用了FreeSurfer。而FastSurfer为体积分析和基于表面的厚度分析提供了完整的FreeSurfer替代方案，主要包括：

（1）FastSurferCNN-一种先进的深度学习架构，能够在不到1分钟的时间内将全脑分割为95个类别，模仿FreeSurfer的解剖学分割和皮质碎裂（DKTatlas）

（2）Recon-surf——基于FreeSurfer的全表面重建工作流，可在大约60分钟内完成皮质表面重建，皮质标签映射以及传统的逐点和ROI厚度分析。

传统的神经图像分析面临着计算量大、耗时多的问题，很难进行推广。FreeSurfer是现行医疗影像学中比较普遍使用的软件，但在性能方便依旧有待优化。而FastSurfer可能可以解决这些问题。德国研究人员提出的这种快速、准确的基于深度学习的神经影像方法，可用于结构化人脑MRI扫描的自动处理。这种方法为体积分析（不到1分钟）和基于表面的厚度分析（60分钟左右）提供了完整的FreeSurfer替代方案。