DeepMultiConnectome: Diffusion MRI tractographyからの構造的コネクトームの直接マルチタスク予測

科学分野:

• 神経画像処理
• 計算神経科学
• 機械学習

背景:

• 拡散MRI（dMRI）線維追跡は、生体内の脳構造接続をマッピングします。
• 従来のコネクトーム生成は時間がかかり、灰白質のパーセレーションが必要であり、大規模研究を制限します。

研究 の 目的:

• 線維追跡から直接構造的コネクトームを予測するためのディープラーニングモデル、DeepMultiConnectomeを導入します。
• 複数のパーセレーションスキームをサポートする、被験者固有のコネクトームの効率的かつ柔軟な生成を可能にします。

主な方法:

• ストリームラインを分類するために、マルチタスク学習を用いた点群ベースのニューラルネットワークを利用します。
• 84および164領域のパーセレーションを用いたヒューマンコネクトームプロジェクトデータでモデルをトレーニングおよび検証します。
• 約40秒で線維追跡からコネクトームを予測します。

主要な成果:

• DeepMultiConnectomeは、2つのパーセレーションスキーム全体で、従来のメソッドと高い一致度で構造的コネクトームを予測します。
• 様々な重み付け戦略（ストリームラインカウント、SIFT2、平均FA）に対して高いピアソン相関（r=0.727-0.995）を達成しました。
• テスト再テストおよび下流予測タスクにおいて、従来のメソッドと同等のパフォーマンスと再現性を示しました。

結論:

• DeepMultiConnectomeは、被験者固有のコネクトームを生成するための、高速でスケーラブルなソリューションを提供します。
• このモデルは、複数のパーセレーションおよび重み付けスキームをサポートし、コネクトーム研究の柔軟性を高めます。
• 従来のコネクトーム生成方法の制限を克服することで、大規模dMRI研究を促進します。