基于活体人脑Connectom数据的扩散MRI微结构模型：来自多组比较的结果
医学物理
2016-11-10 v2 神经元与认知
摘要
大量数学模型被提出以描述扩散加权（DW）磁共振成像（MRI）中测量的信号并推断白质微结构特性。然而，该领域严重缺乏 DW-MRI 模型的头对头比较。为弥补此缺陷，我们在 2015 年国际生物医学成像研讨会（ISBI）期间组织了“白质建模挑战赛”。该竞赛旨在识别最佳预测未见 DW 数据的 DW-MRI 模型。活体 DW-MRI 数据在 A.A.Martinos 中心（麻省总医院）的 Connectom 扫描仪上获取，使用高达 300 mT/m 的梯度强度以及广泛的扩散时间集。我们聚焦于评估两个区域的 DW 信号预测：胼胝体膝部（纤维较直且平行）和穹窿（纤维构型更复杂）。挑战参与者可访问整个数据集的四分之三，其模型根据预测剩余未见过四分之一数据的能力排名。本文中，我们提供每个评估模型的概述和更深入描述，报告挑战结果，并推断与高排名相关的模型特征趋势。本工作为 DW-MRI 模型提供了急需的基准。为鼓励未来更大规模的扩散模型评估，获取的数据和用于信号预测评估的模型细节已在线提供。
引用
@article{arxiv.1604.07287,
title = {Diffusion MRI microstructure models with in vivo human brain Connectom data: results from a multi-group comparison},
author = {Uran Ferizi and Benoit Scherrer and Torben Schneider and Mohammad Alipoor and Odin Eufracio and Rutger H. J. Fick and Rachid Deriche and Markus Nilsson and Ana K. Loya-Olivas and Mariano Rivera and Dirk H. J. Poot and Alonso Ramirez-Manzanares and Jose L. Marroquin and Ariel Rokem and Christian Pötter and Robert F. Dougherty and Ken Sakaie and Claudia Wheeler-Kingshott and Simon K. Warfield and Thomas Witzel and Lawrence L. Wald and José G. Raya and Daniel C. Alexander},
journal= {arXiv preprint arXiv:1604.07287},
year = {2016}
}