Analyzing Regional Organization of the Human Hippocampus in 3D-PLI Using Contrastive Learning and Geometric Unfolding

要約

人間の脳の皮質組織を理解するには、異なる構造的および機能的な画像データの解釈可能な記述子が必要です。
3D 偏光イメージング (3D-PLI) は、死後の脳の線維構造を高解像度で視覚化するためのイメージング モダリティであり、たとえば海馬サブフィールドを識別するために細胞体の存在も捕捉します。
ただし、3D-PLI 画像のリッチなテクスチャにより、このモダリティの分析は特に困難になり、アーキテクチャパターンを特徴付けるためのベスト プラクティスを確立する必要があります。
この研究では、アンフォールディング手法の最近の進歩と、自己教師あり対比学習アプローチを使用して取得された深いテクスチャ特徴を組み合わせることにより、3D-PLI で人間の海馬の局所組織を分析する新しい方法を実証します。
我々は、海馬サブフィールドの古典的な記述とよく一致する表現内のクラスターを特定し、開発された方法論に妥当性を与えます。

要約(オリジナル)

Understanding the cortical organization of the human brain requires interpretable descriptors for distinct structural and functional imaging data. 3D polarized light imaging (3D-PLI) is an imaging modality for visualizing fiber architecture in postmortem brains with high resolution that also captures the presence of cell bodies, for example, to identify hippocampal subfields. The rich texture in 3D-PLI images, however, makes this modality particularly difficult to analyze and best practices for characterizing architectonic patterns still need to be established. In this work, we demonstrate a novel method to analyze the regional organization of the human hippocampus in 3D-PLI by combining recent advances in unfolding methods with deep texture features obtained using a self-supervised contrastive learning approach. We identify clusters in the representations that correspond well with classical descriptions of hippocampal subfields, lending validity to the developed methodology.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google