使用适应性扩散方程式在部分体积的情况下估计强大的皮层厚度
Anand A Joshi1, Ronald Salloum2, Chitresh Bhushan3
1Signal and Image Processing Institute, Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, CA, 90089, USA.
Journal of neuroscience methods
|August 24, 2025
概括
一种新的自适应扩散方程 (ADE) 方法通过计算部分组织体积来准确估计大脑皮质厚度. 这种方法可以提高不同MRI扫描仪和分辨率的准确性和一致性.
科学领域:
- 神经成像
- 计算神经科学
- 医学图像分析
背景情况:
- 对于研究大脑发育,衰老和神经退行性疾病而言,自动化皮质厚度估计至关重要.
- 由于MRI空间分辨率有限,部分体积效应会显著影响厚度的准确性,特别是硬值.
- 皮层结构的复杂性加剧了这些部分体积的挑战.
研究的目的:
- 引入一种用于准确估计皮质厚度的新方法,该方法明确地解决了部分组织体积的影响.
- 开发一种能够应对MRI空间分辨率和扫描器场强度变化的方法.
主要方法:
- 开发了一种新的自适应扩散方程 (ADE) 方法来估计皮质厚度.
- 在ADE方法中将灰质分数纳入扩散度项,以考虑部分组织体积.
- 拟议的方法与已知技术进行了比较,包括拉普拉斯方程,链接距离度量和FreeSurfer.
主要成果:
- 该ADE方法在有限的音像分辨率和图像模糊性方面表现出强度.
- 模拟,组织学比较和试验复试研究验证了该方法的准确性和一致性.
- 与现有方法相比,ADE在多扫描仪测试复试研究中显示出更高的一致性.
结论:
- 新的自适应扩散方程 (ADE) 方法提供了准确和组织学一致的皮质厚度估计.
- 对于图像分辨率和扫描器场强度的变化, ADE 的性能优于现有的方法.
- 这种方法在各种成像条件下提高了神经解剖学研究的可靠性.
