TORTOISEV4:重新想象NIH扩散MRI处理管道
M Okan Irfanoglu1, Amritha Nayak1, Paul Taylor2
1Quantitative Medical Imaging Laboratory, NIBIB, National Institutes of Health, Bethesda, MD, United States.
Imaging neuroscience (Cambridge, Mass.)
|December 12, 2025
概括
扩散MRI数据需要强大的预处理来解决像运动和扭曲这样的工件. 在大型多站点研究中,TORTOISE软件已经得到了增强,以实现更快,更适应性的处理.
科学领域:
- 神经成像是一种神经成像.
- 医学物理 医学物理
- 生物医学工程 生物医学工程
背景情况:
- 扩散MRI (dMRI) 数据容易产生各种人工物,包括低信号噪声比 (SNR),运动和扭曲.
- 对dMRI数据进行准确的定量分析需要在模型装配之前进行适当的预处理.
- 随着dMRI采集技术的不断发展和大规模的多地点研究,需要先进的处理工具.
研究的目的:
- 介绍重新设计和增强的TORTOISE软件用于dMRI数据处理.
- 为满足快速,强大和适应性强的dMRI处理管道的需求.
- 为识别有问题的dMRI数据提供汇总报告能力.
主要方法:
- 重新设计和丰富的TORTOISE软件组合.
- 软件的调整,以处理各种工件和扭曲.
- 实施数据质量评估的汇总报告功能.
主要成果:
- TORTOISE已经得到了显著的改进,以满足现代dMRI研究的需求.
- 增强的软件具有适应性,能够处理各种工件.
- 该工具有助于处理大型多地点研究,包括具有挑战性的群体.
结论:
- 增强的TORTOISE软件为dMRI预处理提供了一个强大的解决方案.
- 它解决了复杂的文物和大规模研究所带来的挑战.
- 在多种神经成像研究环境中,TORTOISE支持准确的定量分析.
