基于纤维追踪与深度非负矩阵分解聚类方法的 cerebellar 齿状核分区
图像与视频处理
2023-01-23 v2 定量方法
摘要
作为最大的人体小脑核团，齿状核(DN)在小脑与脑其余部分间的通信中发挥重要作用。基于结构连接的分区有潜力揭示DN的拓扑结构并使其子区域的研究成为可能。在本文中，我们研究了一种深度非负矩阵分解聚类方法(DNMFC)，用于基于扩散MRI纤维追踪的结构连接对人大脑DN进行分区。我们提出使用小脑内一组精选的纤维追踪纤维簇来描述DN的连接。实验在来自人类连接组计划的50名健康成年人的扩散MRI数据上进行。与最先进聚类方法相比，DNMFC得到的DN分区在跨被试的区块质量与一致性上表现更优。
引用
@article{arxiv.2211.10107,
title = {Tractography-Based Parcellation of Cerebellar Dentate Nuclei via a Deep Nonnegative Matrix Factorization Clustering Method},
author = {Xiao Xu and Yuqian Chen and Leo Zekelman and Yogesh Rathi and Nikos Makris and Fan Zhang and Lauren J. O'Donnell},
journal= {arXiv preprint arXiv:2211.10107},
year = {2023}
}