May, 2023

atTRACTive：使用主动学习的半自动化白质纤维束分割

PDF
TL;DR提出一种半自动熵基主动学习方法，通过很少的标注样本，快速直观地从数百万条流线的全脑道路图中分割出白质束，能够在肿瘤病例中实现与正常状况相当的分割效果（dice=0.71），而平均分割时间也比传统基于感兴趣区域的方法更短。
white matter tractssupervised machine learning modelsentropy-based active learningbrain tumorssegmentation
发现论文，激发创造
  • 扩散 MRI 中大脑白质束的直接分割

    提出一种基于深度学习方法直接从扩散 MRI 数据中分割出大脑白质道的新方法，克服了现有方法因中间计算所带来的误差，并且相较于现有技术，该方法具有更好的泛化能力并可用于多种临床和研究应用。

    Jul, 2023

  • 通过大量数据增强实现新型白质束的单张分割

    本文研究如何基于深度学习对白质纤维传播成像进行分割，着重研究了如何利用少量标注数据进行一次性分割，通过数据增强的方式，提高了模型对新的白质纤维传播成像的分割准确性。

    Mar, 2023

  • 胎儿大脑的解剖学束追踪

    提出了一种基于胎儿脑组织精确分割的解剖约束轨迹追踪方法，通过深度学习自动计算出精确的分割， 从而显著提高扩散张量成像的准确性和可重现性。

    Mar, 2024

  • 白质查询语言：一种描述人类白质解剖结构的新方法

    本文研究使用一种新增的方法基于扩散 MRI 来描述人类白质解剖学，该方法简单易用、自动提取白质束，简化了对大型扩散 MRI 数据库中白质束的量化和统计分析，并实现了对患者白质解剖学的自动标记。在将这种方法描述后，我们提供了一个其实现的示例，以在健康人中编码人体白质解剖学的解剖学知识。最后，我们介绍了应用此方法创建了白质图谱，并在小规模概念验证研究中使用该图谱检测了表征精神分裂症的联合 tracts 变化。

    Dec, 2015

  • 使用缩放残差自助法在任意数据集上改进白质束分割的泛化能力

    本研究提出了一种通过使用缩放残差自助法改进的白质束分割方法，以提高模型对任意测试数据集的泛化性能。实验证明，在不同设置下，我们的方法一致提高了白质束分割的泛化能力。

    Sep, 2023

  • TBSS++: 一种新的基于轨迹的空间统计计算方法

    提出了一种新的计算框架，通过准确地分割束与不同主体 / 扫描的数据的精确注册，基于纤维定向分布，创建白质束详细解剖图，并为所有主体的数据创建一个基准空间进行比较，从而改善白质束间跨主体数据的比较的准确性和重复性。

    Jul, 2023

  • 多发性硬化全脑与病变同时分割对比适应方法

    提出了一种对多发性硬化患者进行多序列脑 MRI 扫描的白质病变和正常神经解剖结构同时分割的方法，并通过四个不同的数据集验证了该方法的高鲁棒性。

    May, 2020

  • TractGeoNet：用于点位叙述医学图像微结构以预测语言评估表现的几何深度学习框架

    我们提出了一种基于几何深度学习的框架 TractGeoNet，用于使用扩散磁共振成像（dMRI）束索术和相关点微结构测量进行回归。该方法利用点云表示，直接利用纤维束内所有点的点微结构和位置信息。为改善回归性能，我们提出了一种新的损失函数 Paired-Siamese Regression loss，鼓励模型关注准确预测回归标签得分之间的相对差异，而不仅仅是绝对值。此外，我们提出了一种关键区域定位算法，用于识别白质纤维束内高度预测的解剖区域。通过使用来自人体连接组项目中 806 位受试者的 20 个关联白质纤维束的数据集，我们评估了所提方法的有效性，并证明了 TractGeoNet 相对于几种常见回归模型具有优越的预测性能。我们发现，在所研究的二十个纤维束中，左弓状束是两个语言性能评估中最具预测性的。定位的关键区域广泛分布于两个半球和所有大脑叶，包括被认为对语言功能重要的脑区，如颞叶上和前部区域、操作小叶和顶前回。总体而言，TractGeoNet 展示了几何深度学习增强研究大脑白质纤维束并将其结构与人类特征（如语言性能）相关的潜力。

    Jul, 2023

  • 使用卷积自编码器从 MRI 进行无监督的脑部损伤分割

    本研究使用卷积自编码器方法，通过重构 FLAIR 图像的 softmax 层输出来学习分割脑部病变并检测神经退行性疾病，性能远优于传统人工标注和现有自监督方法。

    Nov, 2018

  • 现代径路图方法中重建锥体束身体拓扑结构仍是一个挑战

    本研究探索使用六种广泛使用的径路追踪方法重建 CST 及其身体拓扑组织的性能，并使用扩散 MRI 数据进行实验评估各方法的优点和局限性。研究发现，目前的径路追踪方法已经取得了进展，但在包括手和脸区域的侧部重要投射和包括腿区域在内的临床重要投射的全面 CST 重建方面仍存在重要挑战。

    Jun, 2023