Self-Supervised Representation Learning for Nerve Fiber Distribution Patterns in 3D-PLI

要約

人間の脳の組織原理を包括的に理解するには、とりわけ、神経線維構造の十分に定量化可能な記述子が必要です。
三次元偏光イメージング (3D-PLI) は、有髄神経線維の微細な組織を高解像度で洞察することを可能にする顕微鏡イメージング技術です。
3D-PLI で観察されるファイバー アーキテクチャを特徴付ける記述子により、マルチモーダル相関研究、クラスタリング、マッピングなどの下流の分析タスクが可能になります。
ただし、3D-PLI におけるファイバー アーキテクチャの観察者に依存しない特性評価のベスト プラクティスはまだ利用できません。
この目的を達成するために、我々は、自己教師あり表現学習を使用して 3D-PLI 画像の神経線維構造を特徴付ける完全なデータ駆動型アプローチの適用を提案します。
3D コンテキスト対比学習 (CL-3D) 目標を導入します。これは、3D 再構成ボリュームの組織学的脳切片にわたるテクスチャ例の空間的近傍を利用して、対比学習用のポジティブ ペアをサンプリングします。
このサンプリング戦略を特別に設計された画像拡張と組み合わせて、3D-PLI パラメーター マップの一般的な変動に対する堅牢性を実現します。
このアプローチは、ベルベット モンキーの脳の 3D 再構成後頭葉に対して実証されています。
我々は、抽出された特徴が神経線維の異なる構成に対して非常に敏感でありながら、組織学的処理から生じる連続した脳切片間の変動に対して頑強であることを示す。
私たちは、同種のファイバー アーキテクチャのクラスターを取得し、U ファイバーなどのファイバー アーキテクチャの特定のコンポーネントのインタラクティブに選択されたテンプレートのデータ マイニングを実行するための実用的な適用性を実証します。

要約(オリジナル)

A comprehensive understanding of the organizational principles in the human brain requires, among other factors, well-quantifiable descriptors of nerve fiber architecture. Three-dimensional polarized light imaging (3D-PLI) is a microscopic imaging technique that enables insights into the fine-grained organization of myelinated nerve fibers with high resolution. Descriptors characterizing the fiber architecture observed in 3D-PLI would enable downstream analysis tasks such as multimodal correlation studies, clustering, and mapping. However, best practices for observer-independent characterization of fiber architecture in 3D-PLI are not yet available. To this end, we propose the application of a fully data-driven approach to characterize nerve fiber architecture in 3D-PLI images using self-supervised representation learning. We introduce a 3D-Context Contrastive Learning (CL-3D) objective that utilizes the spatial neighborhood of texture examples across histological brain sections of a 3D reconstructed volume to sample positive pairs for contrastive learning. We combine this sampling strategy with specifically designed image augmentations to gain robustness to typical variations in 3D-PLI parameter maps. The approach is demonstrated for the 3D reconstructed occipital lobe of a vervet monkey brain. We show that extracted features are highly sensitive to different configurations of nerve fibers, yet robust to variations between consecutive brain sections arising from histological processing. We demonstrate their practical applicability for retrieving clusters of homogeneous fiber architecture and performing data mining for interactively selected templates of specific components of fiber architecture such as U-fibers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google