一种基于多对比翻译的注册方法,用于DTI中的扭曲纠正
概括
这项研究引入了一种基于转换的新型注册方法,用于扩散张力图像 (DTI) 预处理. 它有效地纠正文物并提高注册准确性,即使在不同的图像对比度.
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:
- 厄迪电流和运动工件是扩散张力图像 (DTI) 预处理中的重大挑战.
- 传统的亲缘注册方法在扩散权重图像中与对比差异变化作斗争.
- 准确的注册对于可靠的DTI分析至关重要.
研究的目的:
- 开发和验证用于DTI预处理的基于翻译的新型注册方法.
- 为应对在扩散权重图像中交叉对比记录的挑战.
- 改进DTI数据中流和运动工件的校正.
主要方法:
- 利用了来自人类结合体项目 (HCP) 的312个DTI数据集.
- 采用3D自我注意条件生成对抗网络 (SC-GAN) 来合成b=2000卷.
- 实施了基于翻译的注册策略,用于扭曲的DTI图像.
主要成果:
- 从实际的DTI数据中,SC-GAN有效地合成了稳定的b=2000注册目标.
- 基于翻译的注册成功纠正了流和运动工件.
- 分数异构 (FA) 和纤维定向分布 (FOD) 地图与黄金标准结果保持一致.
结论:
- 拟议的基于翻译的注册对于DTI预处理是有效的,特别是在具有挑战性的交叉对比场景中.
- 这种方法增强了文物纠正,并提高了DTI的注册准确性.
- 这种方法有望提高DTI分析的可靠性,特别是在有限的定向数据的情况下.


