基于自编码器在图像与球谐域中对新生儿及胎儿脑扩散MRI切片进行估计
图像与视频处理
2022-08-30 v1 医学物理
摘要
发育中大脑的扩散MRI（dMRI）可为白质发育提供有价值的见解。然而，胎儿dMRI的切片厚度通常较高（即3-5 mm），以冻结平面内运动，这降低了dMRI信号对底层解剖结构的灵敏度。在本研究中，我们旨在通过使用自编码器在潜在空间中学习脑切片的无监督高效表示来克服此问题，所使用的为原始dMRI信号及其球谐（SH）表示。我们首先在发育中人脑连接组计划早产儿数据上学习并定量验证自编码器，并进一步在胎儿数据上测试该方法。我们的结果表明，信号域中的自编码器更好地合成了原始信号。有趣的是，分数各向异性（fractional anisotropy），以及在较小程度上的平均扩散率（mean diffusivity），在使用经SH系数训练的自编码器时，在缺失切片中恢复得最好。我们将其与使用经原始信号训练的自编码器重建的相同图谱，以及原始信号和SH系数的常规插值方法进行了比较。根据这些结果，我们得出结论：若旨在恢复原始信号，则缺失/损坏切片的恢复应在信号域中进行；若以扩散张量属性（即分数各向异性）为目标，则应在SH域中进行。值得注意的是，训练好的自编码器能够泛化到使用少得多的扩散梯度和较低b值采集的胎儿dMRI数据，我们在其中定性地展示了估计的扩散张量图谱的一致性。
引用
@article{arxiv.2208.13328,
title = {Slice estimation in diffusion MRI of neonatal and fetal brains in image and spherical harmonics domains using autoencoders},
author = {Hamza Kebiri and Gabriel Girard and Yasser Aleman-Gomez and Thomas Yu and Andras Jakab and Erick Jorge Canales-Rodriguez and Meritxell Bach Cuadra},
journal= {arXiv preprint arXiv:2208.13328},
year = {2022}
}