带有T1权重的MRI和临床质量扩散MRI相关的解剖学约束的轨道图
Tian Yu1, Yunhe Li1, Michael E Kim1
1Vanderbilt University, Nashville, TN, USA.
Proceedings of SPIE--the International Society for Optical Engineering
|September 2, 2024
概括
卷积循环神经网络 (CoRNN) 现在可以使用T1成像产生大脑白质 (WM) 途径,这是临床神经成像的重大进展. 这种新方法的准确性与扩散性MRI通道学相美,为不同患者群体扩大了可访问性.
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.
- 医学图像分析 医学图像分析
背景情况:
- 扩散磁力共振成像 (dMRI) 流线路谱是体内白质 (WM) 途径估计的标准.
- 最近的进展表明卷积循环神经网络 (CoRNN) 可以从解剖学上下文学习简化传播.
- 上一篇 CoRNN培训需要高分辨率的dMRI数据.
研究的目的:
- 为了更广泛的适用性,将CoRNN培训泛化为传统的临床分辨率数据.
- 为了使敏感和易受影响的研究人群能够使用基于CORNN的曲谱.
- 为了比较基于T1的曲谱与基于扩散的曲谱在流线水平.
主要方法:
- 在巴尔的摩长度老龄化研究 (BLSA) 的临床分辨率数据上使用教师-学生框架培训了CoRNN.
- 开发了epsilon球播种方法,用于在T1和dMRI通道图之间进行流线级别比较.
- 评估了CoRNN生成的T1通道图与dMRI通道图的准确性.
主要成果:
- CoRNN成功地将通道图概括为临床分辨率数据.
- 埃普西隆球播种方法提供了一种定量比较指标.
- 由CoRNN生成的T1通道图复制了dMRI通道图,误差约为3mm.
结论:
- 使用标准临床分辨率T1数据,可实现CORNN通道图.
- 这种方法提高了先进的曲谱学技术在不同人群中的普遍性.
- 在临床环境中,基于CoRNN的T1通道学为dMRI通道学提供了一个有希望的,准确的替代方案.
