深度学习比约束球面反卷积更准确地捕捉扩散纤维取向分布
图像与视频处理
2019-11-20 v1 计算机视觉与模式识别
摘要
共聚焦组织学提供了建立体素内纤维取向分布的机会，可用于定量评估扩散加权 MRI 模型（例如约束球面反卷积（CSD））的生物学相关性。在此，我们应用深度学习来研究单壳扩散加权 MRI 解释组织学观测纤维取向分布（FOD）的潜力，并将所推导的深度学习模型与主流 CSD 方法进行比较。本研究（1）表明扩散信号中存在当前 CSD 尚未利用的额外信息，且（2）提供了一个利用该信息的数据驱动说明性模型。
引用
@article{arxiv.1911.07927,
title = {Deep Learning Captures More Accurate Diffusion Fiber Orientations Distributions than Constrained Spherical Deconvolution},
author = {Vishwesh Nath and Kurt G. Schilling and Colin B. Hansen and Prasanna Parvathaneni and Allison E. Hainline and Camilo Bermudez and Andrew J. Plassard and Vaibhav Janve and Yurui Gao and Justin A. Blaber and Iwona Stępniewska and Adam W. Anderson and Bennett A. Landman},
journal= {arXiv preprint arXiv:1911.07927},
year = {2019}
}
备注
2 pages, 4 figures. This work was accepted and published as an abstract at ISMRM 2018 held in Paris, France