FMRI のための TV ベースの DEEP 3D SELF 超高解像度

科学分野:

• 神経イメージング
• 人工知能
• 医学画像分析

背景:

• 機能的磁気共鳴画像 (fMRI) は認知プロセスに洞察を与えますが,空間的解像度の制限があります.
• fMRI用の現在のディープラーニング (DL) 超解像度 (SR) 方法は,しばしば高解像度 (HR) のグラウンド・トゥルーティー (GT) データを必要とします.
• 既存のSR技術は,データ取得の制約と時間解像度,空間解像度,信号対ノイズ比,およびスキャン時間の間のトレードオフのために,fMRI解像度を改善する上で制限に直面しています.

研究 の 目的:

• fMRI解像度を向上させるための新しい自己監視DLSRモデルを開発する.
• DLベースのfMRISRにおけるGTHRデータへの依存を克服する.
• fMRIの空間解像度を増やすことにより,脳の機能構造の微細な分析を改善する.

主な方法:

• DLネットワークと分析的アプローチを組み合わせた自己監視のDLSRモデルを導入しました.
• SRモデルに組み込まれた総変動 (TV) の正規化.
• 訓練の過程で外部 GT HR 画像の必要性を排除しました.

主要な成果:

• 提案された自己監督DLSRモデルは,監督DL技術と比較して競争力のある性能を達成しました.
• この方法は,低解像度 (LR) の画像から高解像度 (HR) のfMRI画像を生成することに成功しました.
• 機能的な地図は超解像度処理で保存された.

結論:

• fMRI解像度を向上させるには,自己監視DLSRは監督された方法の有効な代替案です.
• この新しいアプローチは,GT HRデータを取得するボトルネックをなくし,fMRI SRをよりアクセスしやすくします.
• この方法は神経科学の研究における 脳の機能構造の詳細な分析を進めるのに 有望です