血清-CPC 在新生儿大脑纤维取向分布估计中的真值效应
图像与视频处理
2025-04-22 v1 计算机视觉与模式识别
医学物理
摘要
扩散磁共振成像（dMRI）是一种无创方法，用于描绘体内脑脑微结构。纤维取向分布（FOD）是广泛用于映射白质纤维配置的数学表示。最近，针对新生儿 FOD 估计的深度神经网络方法取得了不断进展，尤其是那些使用更少扩散测量的新生儿方法。这类方法大多基于基于多壳多组织受限球形分解（MSMT-CSD）的目标 FOD 进行训练，这可能并非开发大脑的理想真值。本文通过在 MSMT-CSD 和单壳三组织受限球形分解（SS3T-CSD）上训练最新模型来检验这一假设。我们的结果表明，SS3T-CSD 可能更适合新生儿大脑，因为其在单纤维估计体素与多纤维估计体素之间的比率更符合实际情况。此外，增加输入梯度方向的数量在 SS3T-CSD 上显著优于 MSMT-CSD。最后，在年龄域迁移设置下，SS3T-CSD 跨年龄组保持稳健的性能，这表明其在更准确的新生儿脑成像中具有潜在价值。
引用
@article{arxiv.2409.01195,
title = {Ground-truth effects in learning-based fiber orientation distribution estimation in neonatal brains},
author = {Rizhong Lin and Hamza Kebiri and Ali Gholipour and Yufei Chen and Jean-Philippe Thiran and Davood Karimi and Meritxell Bach Cuadra},
journal= {arXiv preprint arXiv:2409.01195},
year = {2025}
}
备注
11 pages, 4 figures; accepted as an Oral Presentation at the MICCAI 2024 Workshop on Computational Diffusion MRI (CDMRI) in Marrakech, Morocco