基于联合dMRI和fMRI数据的dMRI轨迹分类双流框架
计算机视觉与模式识别
2025-11-25 v1 人工智能
摘要
轨迹分类对于从扩散MRI（dMRI）轨迹中识别解剖学上有意义的白质束而言至关重要。然而，当前的轨迹分类方法主要依赖于轨迹轨迹的几何特征，难以区分具有相似路径但功能上不同的纤维束。为此，我们引入一种新型双流轨迹分类框架，通过联合分析dMRI和功能MRI（fMRI）数据来增强轨迹的功能一致性。我们设计了一个新型网络，用于基于预训练模型对完整轨迹轨迹进行分类，同时通过处理纤维端点区域的fMRI信号的辅助网络进行增强。我们通过对皮层丘脑束（CST）进行四个功能性亚区的分割来演示了该方法。通过消融研究与与最先进方法的比较，实验结果表明，我们的方法性能优越。
引用
@article{arxiv.2511.18781,
title = {A Novel Dual-Stream Framework for dMRI Tractography Streamline Classification with Joint dMRI and fMRI Data},
author = {Haotian Yan and Bocheng Guo and Jianzhong He and Nir A. Sochen and Ofer Pasternak and Lauren J O'Donnell and Fan Zhang},
journal= {arXiv preprint arXiv:2511.18781},
year = {2025}
}
备注
Submitted to ISBI 2026, 7 pages, 2 figures