快速的多隔间微观结构 在大脑白质中留下指纹
Quentin Dessain1,2, Clément Fuchs1, Benoît Macq1
1Institute of Information and Communication Technologies, Electronics and Applied Mathematics (ICTEAM), UCLouvain, Louvain-la-Neuve, Belgium.
Frontiers in neuroscience
|August 5, 2024
概括
我们开发了两种深度神经网络方法,以加快对白质微观结构的分析. 这些技术加速了扩散MRI中的微结构指纹,使复杂的大脑结构中更快的定量特征估计成为可能.
科学领域:
- 神经成像是一种神经成像.
- 生物医学工程 生物医学工程
- 计算神经科学是一种神经科学.
背景情况:
- 扩散MRI对于绘制白质微观结构至关重要.
- 估计微观结构特征,特别是在交叉束中,是计算密集的.
- 微结构指纹 (MF) 扩展了磁共振指纹 (MRF) 用于扩散MRI,但需要大量的计算.
研究的目的:
- 加速估计白质中的微观结构特征,特别是复杂的交叉束.
- 为了提高多字典匹配问题的效率,这是微结构指纹的核心.
- 为了能够更快地在体内对大脑白质进行定量分析.
主要方法:
- 为微结构指纹设计提出了两种基于深度神经网络 (DNN) 的加速方法.
- 方法1:利用高效的稀疏优化和前DNN来解决组合的复杂性.
- 方法2:采用前DNN,使用扩散权重MRI (DW-MRI) 信号的球体波表示作为输入.
主要成果:
- 这两种DNN方法都显著加快了估计过程.
- 方法1提供了高度的解释性.
- 方法2实现了更大的加速度因子,有数量级的改进.
- 准确的结果在体内脑部数据上得到了验证.
结论:
- 开发的基于DNN的方法为微结构指纹提供了可观的加速.
- 这些技术有望快速定量估计白质微观结构特征.
- 这些发现特别适用于在扩散MRI研究中分析复杂的白质配置.
