GenTract：生成式全局 tractography
计算机视觉与模式识别
2025-11-18 v1
摘要
tractography 是从扩散磁共振成像(dMRI)推断脑白 matter 通路轨迹的过程。局部 tractography 方法通过在图像中逐步遵循局部纤维方向估计来构建 streamline，容易产生误差累积和高假阳性率，尤其在噪声或低分辨率数据上。相比之下，全局方法试图优化一组 streamline 以最大化与底层纤维方向估计的兼容性，计算成本高昂。为解决这些挑战，我们引入 GenTract，这是首个用于全局 tractography 的生成模型。我们将 tractography 建模为生成任务，从 dMRI 学习直接映射到完整的、解剖上合理的 streamline。我们比较了基于扩散的和 flow matching 方法，并评估了 GenTract 的性能与最先进的基线方法。值得注意的是，GenTract 的精度比最佳方法 TractOracle 高出 2.1 倍。这种优势在具有挑战性的低分辨率和噪声环境下更为显著，在此情况下，它比最近的竞争者高出一个数量级。通过在研究级别数据上实现高精度 tractogram，同时也在不完美的低分辨率数据上保持可靠性，GenTract 代表了全球 tractography 的一个有前景的解决方案。
关键词
引用
@article{arxiv.2511.13183,
title = {GenTract: Generative Global Tractography},
author = {Alec Sargood and Lemuel Puglisi and Elinor Thompson and Mirco Musolesi and Daniel C. Alexander},
journal= {arXiv preprint arXiv:2511.13183},
year = {2025}
}