随机代的球形解卷告知的轨迹图过随机代的球形解卷告知的轨迹图过
Antonia Hain1, Daniel Jörgens2, Rodrigo Moreno3
1Saarland University, Faculty of Mathematics and Computer Science, Campus E1.7, Saarbruecken, 66041, Saarland, Germany.
NeuroImage
|July 9, 2023
概括
改善大脑连接研究需要可靠的神经纤维重建. 这项研究通过在子集上使用球形解卷信息化过 (SIFT) 来增强 Tractogram 过,在识别可信流线方面达到 80% 以上的准确性.
科学领域:
- 神经成像是一种神经成像.
- 计算神经科学是一种神经科学.
- 扩散式核磁共振成像 (MRI)
背景情况:
- 大脑连接研究依赖于神经纤维重建的通道图.
- 目前的曲谱法产生了许多解剖学上不可思议的流线,影响了可靠性.
- 现有的曲谱过方法旨在在后处理过程中去除这些错误的连接.
研究的目的:
- 解决球形解卷信息过 (SIFT) 在评估个人简化合规性方面的局限性.
- 开发一种方法来识别具有高度可靠性的解剖学上可信的流线.
- 创建一个在可靠的精简数据上训练的分类器,以提高曲谱图质量.
主要方法:
- 将SIFT应用于随机选择的曲谱子集,以获得每个流线的多个合规性评估.
- 从子集分析中使用一致过的流线作为伪基础真理.
- 根据获得的扩散MRI数据,培训分类人员区分符合和不符合的流线.
主要成果:
- 拟议的方法为每个精简线生成多个基于SIFT的评估.
- 连续过的流线被有效地用作培训数据.
- 经过训练的分类器在区分可信的流线和不可信的流线方面取得了超过80%的准确性.
结论:
- 这种新的方法通过使个人简化评估,提高了曲谱过的可靠性.
- 这种方法显著提高了识别解剖学上可信的神经纤维重建的能力.
- 这些发现有助于使用扩散MRI进行更准确,更可靠的脑连接分析.
