Resolution- and Stimulus-agnostic Super-Resolution of Ultra-High-Field Functional MRI: Application to Visual Studies

要約

高解像度 fMRI は、脳の中規模組織への窓を提供します。
しかし、空間解像度が高くなると、低い信号とコントラスト対ノイズ比を補うためにスキャン時間が増加します。
この研究では、fMRI 用の深層学習ベースの 3D 超解像度 (SR) 手法を導入します。
解像度に依存しない画像拡張フレームワークを組み込むことにより、私たちの方法は再トレーニングせずにさまざまなボクセル サイズに適応します。
私たちはこの革新的な技術を応用して、初期視覚野の細かいスケールの動き選択部位の位置を特定します。
これらの部位の検出には通常、等方性 1 mm を超える解像度が必要ですが、ここでは低解像度 (等方性 2 ～ 3 mm) の fMRI データに基づいて視覚化します。
驚くべきことに、超解像 fMRI は、異なる被験者や実験パラダイム (非視覚的静止を含む) から得られたトレーニング データを使用した場合でも、これらの部位の入り組んだ組織の高周波詳細を (色選択的部位と比較して) 復元することができます。
-state fMRI、その堅牢性と多用途性を強調。
定量的および定性的な結果は、私たちの方法が fMRI の空間分解能を向上させ、取得時間の大幅な短縮につながる可能性があることを示しています。

要約(オリジナル)

High-resolution fMRI provides a window into the brain’s mesoscale organization. Yet, higher spatial resolution increases scan times, to compensate for the low signal and contrast-to-noise ratio. This work introduces a deep learning-based 3D super-resolution (SR) method for fMRI. By incorporating a resolution-agnostic image augmentation framework, our method adapts to varying voxel sizes without retraining. We apply this innovative technique to localize fine-scale motion-selective sites in the early visual areas. Detection of these sites typically requires a resolution higher than 1 mm isotropic, whereas here, we visualize them based on lower resolution (2-3mm isotropic) fMRI data. Remarkably, the super-resolved fMRI is able to recover high-frequency detail of the interdigitated organization of these sites (relative to the color-selective sites), even with training data sourced from different subjects and experimental paradigms — including non-visual resting-state fMRI, underscoring its robustness and versatility. Quantitative and qualitative results indicate that our method has the potential to enhance the spatial resolution of fMRI, leading to a drastic reduction in acquisition time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google