评估使用类似人类的连接组幻象的通路图选方法
Tabinda Sarwar1, Kotagiri Ramamohanarao2, Alessandro Daducci3
1School of Computing Technologies, RMIT University, Victoria, 3000, Australia.
NeuroImage
|September 15, 2023
概括
简化过算法可以提高大脑连接组的准确性,特别是在概率学曲谱学上. 性能随着白质的复杂性而变化,在复杂的架构中显示了适度的增长.
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.
- 生物医学工程 生物医学工程
背景情况:
- 扩散核磁共振扫描可重建白质路径,但往往会产生虚假的连接.
- 微结构信息过算法存在,以增强简化可信性,但比较性能未得到充分探索.
研究的目的:
- 使用模拟的连接组幻影系统地评估简化过和后处理算法.
- 评估白质结构复杂性的对过算法性能的影响.
主要方法:
- 开发了一个框架,用于生成具有类似大脑纤维架构的真实连接体幽灵.
- 在这些幻影上评估了简化过算法,包括SIFT,COMMIT和LiFE.
- 使用F-测量进行确定性和概率学曲谱的量化性能.
主要成果:
- 所有测试过的过方法都提高了连接组的准确性.
- 过为简单的纤维捆提供了显著的改进,但对于复杂的架构而言,收益不大.
- 概率曲谱和加权连接体从过中获益最多.
结论:
- 简化过算法提高了通道图的准确性,有效性取决于白质的复杂性.
- 为了准确地绘制连接组的地图,还需要在曲谱学和过方面取得进一步的进展.
- 过对概率曲谱和加权连接组具有特别的希望.


