Robust Fiber ODF Estimation Using Deep Constrained Spherical Deconvolution for Diffusion MRI

要約

拡散強調磁気共鳴画像法（DW-MRI）は、組織の微細構造をミリメートル単位で捉え、モデル化するための重要なイメージング手法である。測定されたDW-MRI信号をモデル化する一般的な方法は、繊維配向分布関数（fODF）である。この関数は、下流のトラクトグラフィーや連結性解析に不可欠な最初のステップです。近年、データの共有化が進み、大規模なマルチサイトDW-MRIデータセットがマルチサイト研究に利用できるようになりました。しかし、DW-MRIの撮影時には、計測のばらつき（サイト間・サイト内ばらつき、ハードウェア性能、シーケンス設計など）が避けられない。既存のモデルベース手法（例：CSD）や学習ベース手法（例：DL）は、fODFモデリングにおいてこのような変動要素を明示的に考慮しておらず、その結果、マルチサイトや縦断的な拡散研究において劣った性能をもたらす。本論文では、反復DW-MRIスキャンから脳の微細構造をより再現性高く頑健に推定するために、スキャン-スキャン分散を明示的に制約する新しいデータ駆動型深層制約球面デコンボリューション法を提案する。具体的には、提案手法は、fODF推定時に新しい3次元体積スキャナ不変の正則化スキームを導入している。我々は、Human Connectome Project (HCP)の若年成人テストリテストグループとMASiVarデータセット（部位間・部位内スキャン/再スキャンデータあり）を研究する。外部検証のためにBaltimore Longitudinal Study of Aging (BLSA)データセットを採用する。実験結果から、提案するデータ駆動型フレームワークは、繰り返しfODF推定において既存のベンチマークを凌駕している。また、提案手法は、下流の接続性解析を評価し、異なるバイオマーカーを持つ被験者を識別する性能が向上していることがわかった。

要約(オリジナル)

Diffusion-weighted magnetic resonance imaging (DW-MRI) is a critical imaging method for capturing and modeling tissue microarchitecture at a millimeter scale. A common practice to model the measured DW-MRI signal is via fiber orientation distribution function (fODF). This function is the essential first step for the downstream tractography and connectivity analyses. With recent advantages in data sharing, large-scale multi-site DW-MRI datasets are being made available for multi-site studies. However, measurement variabilities (e.g., inter- and intra-site variability, hardware performance, and sequence design) are inevitable during the acquisition of DW-MRI. Most existing model-based methods (e.g., constrained spherical deconvolution (CSD)) and learning based methods (e.g., deep learning (DL)) do not explicitly consider such variabilities in fODF modeling, which consequently leads to inferior performance on multi-site and/or longitudinal diffusion studies. In this paper, we propose a novel data-driven deep constrained spherical deconvolution method to explicitly constrain the scan-rescan variabilities for a more reproducible and robust estimation of brain microstructure from repeated DW-MRI scans. Specifically, the proposed method introduces a new 3D volumetric scanner-invariant regularization scheme during the fODF estimation. We study the Human Connectome Project (HCP) young adults test-retest group as well as the MASiVar dataset (with inter- and intra-site scan/rescan data). The Baltimore Longitudinal Study of Aging (BLSA) dataset is employed for external validation. From the experimental results, the proposed data-driven framework outperforms the existing benchmarks in repeated fODF estimation. The proposed method is assessing the downstream connectivity analysis and shows increased performance in distinguishing subjects with different biomarkers.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL