ConFiG：用于生成真实轴突排布以进行扩散 MRI 模拟的上下文纤维生长方法
医学物理
2020-08-19 v1 定量方法
摘要
本文提出上下文纤维生长（ConFiG），一种通过模拟自然纤维发生来生成白质数值体模的方法。ConFiG 遵循由真实轴突导向机制启发的简单规则，逐根生长纤维。这些简单规则使 ConFiG 能够在生长纤维的同时试图满足形态学目标（如用户指定的密度与取向分布），从而生成具有可调微观结构特征的体模。我们通过生成一系列纤维构型（包括交叉纤维束与取向离散）的体模，将 ConFiG 与基于纤维打包的最先进方法进行比较。结果表明，ConFiG 生成的体模密度比最先进方法最高高出 20%，尤其在具有交叉纤维的复杂构型中。我们进一步表明，ConFiG 体模的微观结构形态与真实组织可比，产生的直径与取向分布接近真实组织的电子显微镜估计值，并捕捉了复杂的纤维横截面。由 ConFiG 体模模拟的信号与真实扩散 MRI 数据吻合良好，表明 ConFiG 体模可用于生成真实的扩散 MRI 数据。这证明了 ConFiG 生成真实合成扩散 MRI 数据以开发和验证微结构建模方法的可行性。
引用
@article{arxiv.2003.10197,
title = {ConFiG: Contextual Fibre Growth to generate realistic axonal packing for diffusion MRI simulation},
author = {Ross Callaghan and Daniel C. Alexander and Marco Palombo and Hui Zhang},
journal= {arXiv preprint arXiv:2003.10197},
year = {2020}
}