深度扩散MRI模板 (DDTemplate):一种新的深度学习小组扩散MRI注册方法,用于创建大脑模板

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:

• 扩散核磁共振 (dMRI) 追踪白质的轨道,并估计大脑的微观结构.
• 对dMRI数据的分组注册对于创建大脑模板和研究变异性至关重要.
• 由于dMRI数据的独特多维信号,对准确的分组注册构成了挑战.

研究的目的:

• 开发一种新的深度学习方法,用于分组dMRI注册.
• 创建一种整合全脑微观结构和通道特定纤维方向信息的方法.
• 为了生成一个人口大脑模板,并使未见的主题的注册.

主要方法:

• 提出DDTemplate,这是一个基于VoxelMorph的深度学习框架,用于分组dMRI注册.
• 共同培训了一个注册网络和一个模板生成模型.
• 集成的全脑组织微观结构和通道特定的纤维方向信息.

主要成果:

• 与最先进的方法相比,DDTemplate在各种dMRI数据集上表现出卓越的性能.
• 该方法成功调整了白质道和整个大脑的解剖结构.
• 使用TBSS,DDTemplate在检测大脑结构中的性别差异方面提高了灵敏度.

结论:

• DDTemplate提供了一个强大的深度学习解决方案,用于群体dMRI注册.
• 该方法促进了准确的脑模板创建和人口变异性分析.
• DDTemplate显示了促进神经科学研究和应用的巨大潜力.