用于扩散MRI反卷积的等变空间-半球网络

扩散MRI（dMRI）图像中的每个体素包含一个球面信号，对应于大脑中水扩散的方向和强度。本文通过开发对 $\mathbf{E(3) \times SO(3)}$ 群等变并考虑 dMRI 物理对称性（包括空间的旋转、平移和反射以及逐体素的旋转）的卷积网络层，推进了对此类空间-球面数据的分析。此外，神经纤维通常具有对踵对称性，我们利用这一事实构建了高效的空间-半球图卷积，以加速高维 dMRI 数据的分析。在以恢复白质微结构为目的的稀疏球面纤维反卷积背景下，我们提出的等变网络层带来了显著的性能和效率提升，从而实现了对交叉神经纤维和纤维束追踪更好且更实用的分辨。这些提升在模拟数据和活体人类数据集上均表现出实验一致性。