DeepRGVP: A Novel Microstructure-Informed Supervised Contrastive Learning Framework for Automated Identification Of The Retinogeniculate Pathway Using dMRI Tractography

要約

retinogeniculate 経路 (RGVP) は、網膜から外側膝状核に視覚情報を運ぶ役割を果たします。
RGVP の識別と可視化は、視覚系の解剖学を研究する上で重要であり、関連する脳疾患の治療に情報を提供できます。
拡散 MRI (dMRI) tractography は、RGVP の 3D 軌跡の in vivo マッピングを独自に可能にする高度なイメージング方法です。
現在、ラクトグラフィー データからの RGVP の識別は、ラクトグラフィー ストリームラインの専門家 (手動) 選択に依存しています。
このホワイト ペーパーでは、dMRI トラクトグラフィ データから RGVP を迅速かつ正確に識別できるようにするための、最初のディープ ラーニング フレームワークである DeepRGVP を紹介します。
ストリームライン ラベルと組織の微細構造情報の両方を活用して正と負のペアを決定する、新しい微細構造情報に基づいた教師付き対照学習法を設計します。
RGVPストリームラインの数が非RGVPストリームラインの数よりもはるかに少ない、非常に不均衡なトレーニングデータに対処するための、シンプルで成功したストリームラインレベルのデータ拡張方法を提案します。
トラクトグラフィー分割用に設計されたいくつかの最先端の深層学習手法との比較を行い、DeepRGVP を使用した優れた RGVP 識別結果を示します。

要約(オリジナル)

The retinogeniculate pathway (RGVP) is responsible for carrying visual information from the retina to the lateral geniculate nucleus. Identification and visualization of the RGVP are important in studying the anatomy of the visual system and can inform treatment of related brain diseases. Diffusion MRI (dMRI) tractography is an advanced imaging method that uniquely enables in vivo mapping of the 3D trajectory of the RGVP. Currently, identification of the RGVP from tractography data relies on expert (manual) selection of tractography streamlines, which is time-consuming, has high clinical and expert labor costs, and affected by inter-observer variability. In this paper, we present what we believe is the first deep learning framework, namely DeepRGVP, to enable fast and accurate identification of the RGVP from dMRI tractography data. We design a novel microstructure-informed supervised contrastive learning method that leverages both streamline label and tissue microstructure information to determine positive and negative pairs. We propose a simple and successful streamline-level data augmentation method to address highly imbalanced training data, where the number of RGVP streamlines is much lower than that of non-RGVP streamlines. We perform comparisons with several state-of-the-art deep learning methods that were designed for tractography parcellation, and we show superior RGVP identification results using DeepRGVP.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google