利用 GAN 估计白质连接的局部复杂性

通过扩散加权磁共振成像（dMRI）对 human 脑白质中轴突投射的物理连接进行活体检查已成为可能。dMRI 分析通常将分数各向异性等派生标量度量作为“白质完整性”的替代指标，并且已观察到此类度量的差异与多种神经学诊断和临床指标（如执行功能、多发性硬化症的存在以及遗传相似性）显著相关。在纤维交叉、接吻和离散的更复杂布线区域中，此类体素度量的分析受到混淆。最近，Volz 等人引入了一种简单的、关于体素内不同纤维群体数量的概率度量，其被证明可降低组间比较的方差。我们提出了一种补充度量，考虑体素在其局部区域背景下的复杂性，旨在量化白质各部分的局部布线复杂性。这使得例如能够识别脑中特别模糊的区域，以用于建模全局布线连接的纤维束成像方法。我们的方法建立在近期图像修复进展之上，其中任务是对图像缺失区域进行合理填充。我们提出的方法通过对白质区域从其上下文进行修复，构建该区域异方差偶然不确定性的贝叶斯估计。我们将白质的局部布线复杂性定义为一个训练良好的模型预测缺失块时的准确度和置信度。在结果中，我们观察到主要神经元通路上的偶然不确定性较低，而在 junctions 和向皮层边界处增高。这直接量化了白质所有部分 dMRI 图像病变修复的难度。