TW-BAG: Tensor-wise Brain-aware Gate Network for Inpainting Disrupted Diffusion Tensor Imaging

要約

拡散加重画像 (DWI) は、拡散テンソル画像 (DTI) モデルを通じて、神経科学および神経学的臨床研究で一般的に使用される高度な画像技術です。
分数異方性、平均拡散率、および軸方向拡散率を含む体積スカラー メトリックを DTI モデルから導出して、臨床研究用の水拡散率およびその他の定量的微細構造情報を要約できます。
ただし、臨床診療の制約により、スライスが欠落している最適以下の DWI 取得につながる可能性があります (視野が限られているか、スライスの取得が中断されているため)。
グループごとの研究のために貴重な主題を破棄しないようにするために、中断された DTI を修復するための新しい 3D Tensor-Wise Brain-Aware Gate ネットワーク (TW-BAG) を提案します。
提案された方法は、動的ゲートメカニズムと独立したテンソルワイズデコーダーの問題に合わせて調整されています。
予測されたテンソルとスカラー DTI メトリックから派生した一般的な画像類似性メトリックを使用して、公開されているヒューマン コネクトーム プロジェクト (HCP) データセットで提案された方法を評価しました。
私たちの実験結果は、提案されたアプローチが元の脳の DTI ボリュームを再構築し、関連する臨床画像情報を回復できることを示しています。

要約(オリジナル)

Diffusion Weighted Imaging (DWI) is an advanced imaging technique commonly used in neuroscience and neurological clinical research through a Diffusion Tensor Imaging (DTI) model. Volumetric scalar metrics including fractional anisotropy, mean diffusivity, and axial diffusivity can be derived from the DTI model to summarise water diffusivity and other quantitative microstructural information for clinical studies. However, clinical practice constraints can lead to sub-optimal DWI acquisitions with missing slices (either due to a limited field of view or the acquisition of disrupted slices). To avoid discarding valuable subjects for group-wise studies, we propose a novel 3D Tensor-Wise Brain-Aware Gate network (TW-BAG) for inpainting disrupted DTIs. The proposed method is tailored to the problem with a dynamic gate mechanism and independent tensor-wise decoders. We evaluated the proposed method on the publicly available Human Connectome Project (HCP) dataset using common image similarity metrics derived from the predicted tensors and scalar DTI metrics. Our experimental results show that the proposed approach can reconstruct the original brain DTI volume and recover relevant clinical imaging information.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google