从结构成像进行流形感知的高分辨率扩散合成
计算机视觉与模式识别
2021-08-13 v2 机器学习
摘要
围绕扩散加权成像（DWI）的物理与临床约束常将所生成图像的空间分辨率限制为比 T1w 图像大至多 8 倍的体素。因此，T1w 图像中包含的精细信息可有助于以更高分辨率合成扩散图像。然而，扩散成像的非欧几里得性质阻碍了当前深度生成模型合成物理上合理的图像。在本工作中，我们提出首个黎曼网络架构，用于从高分辨率 T1w 图像直接生成扩散张量（DT）与扩散取向分布函数（dODF）。我们将对数欧几里得度量集成到学习目标中，这不同于标准欧几里得网络，保证了扩散在数学上有效的合成。此外，与基线相比，我们的方法将合成扩散与真值之间的分数各向异性均方误差（FA MSE）改善了逾 23%，并将主方向间余弦相似度提高了近 5%。我们通过将所得纤维束图与期望的真实数据比较来验证生成的扩散。我们观察到相似的纤维束，其流线长度差异小于 3%，体积差异小于 1%，且形状视觉上接近。尽管我们的方法能在少于 15 秒内从结构输入生成高分辨率扩散图像，我们承认并讨论了仅依赖 T1w 图像的扩散推断的局限。我们的结果 nonetheless 提示了大脑高层几何与整体白质结构架构之间的关系。
引用
@article{arxiv.2108.04135,
title = {Manifold-aware Synthesis of High-resolution Diffusion from Structural Imaging},
author = {Benoit Anctil-Robitaille and Antoine Théberge and Pierre-Marc Jodoin and Maxime Descoteaux and Christian Desrosiers and Hervé Lombaert},
journal= {arXiv preprint arXiv:2108.04135},
year = {2021}
}
备注
Preprint submitted for review