PRISM：用于扩散MRI中fixel恢复的可微分析-合成方法
计算机视觉与模式识别
2026-04-02 v1
摘要
扩散MRI微结构拟合是非凸的，且通常逐体素进行，这限制了狭窄交叉中的纤维峰恢复。本工作引入了PRISM，一个可微的分析-合成框架，在空间补丁上端到端地拟合一个显式的多隔室前向模型。该模型结合脑脊液（CSF）、灰质、最多K个白质纤维隔室（stick-and-zeppelin）和一个受限隔层，具有显式的纤维方向和通过排斥与稀疏先验实现的软模型选择。PRISM支持快速的均方误差（MSE）目标函数和无需先验信息即可联合学习sigma的Rician负对数似然（NLL）。一个轻量级的 nuisance 校准模块（平滑偏差场和每测量值的尺度/偏移）被纳入以增强鲁棒性，并在干净数据测试中正则化为恒等变换。在合成交叉纤维数据（SNR=30；五种方法，16个交叉角度）上，PRISM实现了3.5度的最佳匹配角度误差和95%的召回率，比最佳基线（MSMT-CSD，6.8度，83%召回率）低1.9倍；在NLL模式且sigma学习后，误差降至2.3度，召回率达99%，可分辨低至20度的交叉。在DiSCo1幻影（NLL模式）上，PRISM在所有四个追踪角度上均改善了连接性相关性（最佳r=.934，25度，优于MSMT-CSD的.920）。全脑HACA3拟合（约741k体素，MSE模式）在单个GPU上约12分钟完成，且在不同随机种子间结果近乎一致。
引用
@article{arxiv.2604.00250,
title = {PRISM: Differentiable Analysis-by-Synthesis for Fixel Recovery in Diffusion MRI},
author = {Mohamed Abouagour and Atharva Shah and Eleftherios Garyfallidis},
journal= {arXiv preprint arXiv:2604.00250},
year = {2026}
}
备注
10 pages, 1 figure, 2 tables