基于扩散模型的FOD从dMRI中的高扭曲恢复
Shuo Huang1,2, Lujia Zhong1,3, Yonggang Shi1,2,3
1Stevens Neuroimaging and Informatics Institute, Keck School of Medicine, University of Southern California (USC), Los Angeles, CA 90033, USA.
ArXiv
|July 1, 2024
概括
这项研究引入了一种新型的扩散模型,用于在扩散MRI (dMRI) 数据中恢复损坏的纤维定向分布 (FOD),从而改善像大脑干这样扭曲区域的大脑连接分析.
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
- 计算神经科学是一种神经科学.
背景情况:
- 扩散MRI (dMRI) 数据通常使用纤维定向分布 (FOD) 建模.
- 在dMRI中引起的易感性扭曲会破坏FOD重建,阻碍通道图和连接分析,特别是在像大脑干这样的大脑区域.
- 现有的生成模型,如扩散模型,对图像恢复有希望,但面临着FODs的4D性质和顺序依赖性的挑战.
研究的目的:
- 开发一种新的扩散模型,用于恢复受成像工件影响的光纤定向分布 (FOD).
- 为应对将扩散模型应用于4DFOD数据的独特挑战,包括球体波 (SPHARM) 顺序依赖.
- 为了提高FOD重建的准确性,并提高扭曲的大脑区域的通道图表性能.
主要方法:
- 提出了一种新型的扩散模型,包括体积顺序编码,以在所有SPHARM订单中生成FOD体积.
- 在SPHARM命令中集成的交叉注意功能,以捕捉FOD生成期间的顺序间依赖关系.
- 在周围的低扭曲FOD上调节模型,以保持高扭曲区域的几何连贯性.
- 使用英国生物库数据 (n=1315) 训练并验证了模型,在n=43.3时进行了实地真实测试.
主要成果:
- 在地面真实性测试集上使用根平均平方误差和角误差来生成FOD体积和FOD峰值的高准确性.
- 成功地将该方法应用于一个大数据集 (n=1172) 具有显著的大脑干扭曲,恢复FOD完整性.
- 在受扭曲器件影响的大脑区域的轨道图表性能显著改善.
结论:
- 拟议的扩散模型有效地恢复了FOD中因扭曲器件造成的信号损失.
- 该模型的架构,包括体积顺序编码和交叉注意,成功地处理4DFOD数据的复杂性.
- 这种恢复技术显著提高了纤维跟踪和连接分析在具有挑战性的神经成像数据集的可靠性.
