Sep, 2024

基于学习的纤维方向分布在新生儿大脑中的真实效果

HTML
PDF
TL;DR本研究针对新生儿大脑纤维方向分布的估计中存在的真实标注不足问题，提出了一种新颖的方法，比较了多壳多组织约束球形反卷积（MSMT-CSD）和单壳三组织约束球形反卷积（SS3T-CSD）的效果。研究发现，SS3T-CSD在新生儿大脑成像中表现出更高的准确性，能够在不同年龄组之间保持良好的性能，具有重要的临床应用潜力。
发现论文，激发创造
  • $E(3) \times SO(3)$-等变网络在扩散磁共振球面去卷积中的应用

    本文介绍一种$E(3) imes SO(3)$等变的分别对球形信号进行稀疏反卷积的框架，并使用等变深度学习层来改进交叉解剖结构如白质束的测量，从而提高dMRI的成像质量。

    Apr, 2023

  • 基于深度约束球形去卷积的扩散磁共振韧性纤维ODF估计

    本文提出了一种新颖的数据驱动的深度约束球形反卷积方法，用于对重复DW-MRI扫描的脑微结构进行更可重复和更健壮的估计，并表明该方法在区分具有不同生物标志物的受试者方面具有更好的表现。

    Jun, 2023

  • 新生儿和婴儿脑白质纤维估计中的跨年龄和跨场地域偏移影响

    利用深度学习模型从有限扩散磁共振成像数据中估计组织微结构已取得很好的效果，但是在测试和训练数据来自不同扫描仪、协议，或者应用于具有固有变化的婴儿和儿童不断发展的大脑时，这些模型面临着领域转移挑战。我们在201名新生儿和165名婴儿的两个不同群体之间广泛研究了年龄效应和领域转移，使用矩方法和微调策略。我们的结果显示，与新生儿相比，婴儿的微结构发展变化较小，直接影响深度学习模型的跨年龄表现。我们还证明，少量目标域样本可以显著减轻领域转移问题。

    Dec, 2023

  • Symbrain: 新生儿脑对称性分析的大规模MRI图像数据集

    该研究提供了一个脑MRI图像的注释数据集，旨在推进脑对称性研究领域。数据集可用于训练深度学习模型，通过识别医学MRI图像中的潜在非对称模式，从而实现新生儿脑MRI异常检测的更精确诊断。此外，该数据集还可为使用两个脑半球的相对对称性进行关键诊断和治疗规划的方法的研究和开发做出贡献。

    Jan, 2024

  • FOD-Swin-Net：基于变压器的深度模型进行纤维定向分布的角度超分辨率

    通过使用自动角度超分辨率从更快的采集中来克服当前长时间的磁共振成像数据得出纤维定向的问题，我们在公开可用的Human Connectome Project (HCP) DW-MRI数据上训练了一种基于变压器的深度学习架构，FOD-Swin-Net，能够将来自32个方向的单壳重建与288个方向的多壳FOD重建相媲美，极大地减少了初始采集所需的方向数量。通过与角度相关系数和定性可视化的评估，我们发现重建的FOD在HCP测试数据中表现优异，高于现有技术水平。

    Feb, 2024

  • 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

  • 利用合成数据改进胎儿MRI中的跨领域脑组织分割

    FetalSynthSeg是一种基于SynthSeg的领域随机化方法，用于通过磁共振成像（MRI）对胎儿脑进行分割，研究结果表明，在跨领域数据验证中，仅使用合成数据训练的模型表现优于仅使用真实数据训练的模型，并且在不同磁场强度和超分辨率算法下具有鲁棒性。

    Mar, 2024

  • 基于扩散模型的dMRI高畸变下FOD恢复

    本研究提出了一种新的扩散模型，用于恢复因畸变伪影引起的信号丢失，通过增强扩散模型的能力生成具有所有SPHARM阶级别的单个FOD体积，并提取所有SPHARM阶级别之间的交叉关注特征，以捕捉FOD体积之间的阶级别相关性，同时使用低扭曲的FOD环绕高扭曲区域作为条件，确保生成的FOD几何的一致性，实验证明该方法能够在受影响的脑区中恢复FOD的完整性，显著提高相关脑区的纤维追踪性能。

    Jun, 2024

  • 使用隐式神经表征建模新生儿大脑发育

    本研究针对新生儿大脑在妊娠第三个三个月期间的快速发育过程，提出了一种新的建模方法。通过应用隐式神经表征模型，研究者能够有效地解耦个体身份与年龄，以生成不同时间点的2D和3D图像。研究结果表明，该方法在内存使用效率上表现优异，为3D数据的处理提供了新的可能性。

    Aug, 2024

  • 使用机器学习简化胎儿脑部的轨迹描绘

    本研究针对胎儿脑部轨迹描绘中的现有技术局限，提出了一种首个胎儿轨迹描绘的机器学习模型。模型通过整合多种信息源，有效提高了低信号质量下的轨迹重建能力。实验结果表明，该方法在评估胎儿脑部发育的正常与异常方面具有显著提升潜力。

    Aug, 2024