一个混合网络用于光纤导向分布重建,采用多尺度信息
Hanyang Yu1, Lingmei Ai1, Ruoxia Yao1
1School of Computer Science, Shaanxi Normal University, Xi'an, China.
Medical physics
|November 20, 2024
概括
本研究介绍了Fusion-Net,这是一个用于准确重建光纤方向分布 (FOD) 的新型神经网络. 通过整合全球和本地FOD特征,Fusion-Net增强了神经纤维结构分析,提高了准确性和减少了文物.
科学领域:
- 神经成像是一种神经成像.
- 扩散式核磁共振成像 (MRI)
- 计算神经科学是一种神经科学.
背景情况:
- 准确的纤维方向分布 (FOD) 对于理解复杂的神经通路至关重要.
- 现有的方法难以整合全球/本地FOD和fixel定向信息,限制准确性.
- 缺少空间连续性和易受信号扭曲工件的影响是常见的问题.
研究的目的:
- 介绍Fusion-Net,一种新型神经网络,旨在克服FOD重建中的局限性.
- 提高神经纤维通道图的准确性和稳定性.
主要方法:
- 融合网集成了FOD重建和峰值方向估计网络.
- 采用竞争力协调注意力和逐步更新功能连续性.
- 重新定义了峰值方向估计作为多类分类,具有方向感知损失函数.
- 使用更大的输入尺度来减轻局部信号扭曲.
主要成果:
- 融合网有效地融合了全球和本地FOD特征,提高了重建的准确性.
- 该网络成功地结合了空间位置信息,确保了特征连续性.
- 证明了局部信号扭曲和重建工件的缓解.
结论:
- 聚合网被证明是可行和有效的重建光纤定向分布.
- 介绍了一种可靠的方法,用于推进神经成像中的临床应用.


