基于TOF-MRA的FFCM-MRF:基于TOF-MRA的人类和 rhesus的精确和可泛化的脑血管细分管道
Yue Cui1, Haibin Huang1, Jialu Liu1
1Laboratory of Brain Atlas and Brain-inspired Intelligence, Institute of Automation, Chinese Academy of Sciences, Beijing, China; School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China.
Computers in biology and medicine
|January 24, 2024
概括
一种新的自动化方法,FFCM-MRF,在人类和猿大脑MRI扫描中准确地细分脑血管网络. 这种可推广的工具可以改善血管分析,用于在各种数据集和物种中诊断大脑疾病.
科学领域:
- 神经成像是一种神经成像.
- 医学图像分析 医学图像分析
- 脑血管研究 脑血管研究
背景情况:
- 精确的脑血管细分对于诊断和治疗大脑疾病至关重要.
- 现有的自动化方法在各种数据集,扫描仪和物种中缺乏通用性.
- 这限制了他们在现实世界的场景中的临床和研究实用性.
研究的目的:
- 为磁共振血管学 (MRA) 图像开发一种自动化,准确和可通用的细分方法.
- 改进用于脑疾病研究的脑血管形态学的分析.
- 为了提供一个可靠的工具,在不同的条件下对整个大脑血管系统进行细分.
主要方法:
- 拟议的FFCM-MRF (快速模糊的c-means集群和马尔科夫随机场优化) 方法.
- 集成的容器形状先验和空间限制,以增强细分.
- 在9个数据集和多个场强度 (1.5T,3T,7T) 的123个人类和44个的MRA图像上进行了验证.
主要成果:
- 在独立数据集中实现了高的子相似系数 (69.16%89.63%).
- 与最先进的方法相比,显示出显著的改进 (3.24%7.3%).
- 精确细分主要和远端动脉,减少噪音,并在血管体积和直径测量中显示出高可靠性.
结论:
- FFCM-MRF是准确的,可靠的,并且对场强度,扫描仪,采集参数和物种的变化具有强度.
- 该方法有助于研究脑血管和神经退行性疾病的成像生物标志物.
- 澳门MRA数据和开源工具箱可用于促进研究.
