TractOracle: towards an anatomically-informed reward function for RL-based tractography

要約

強化学習 (RL) ベースのトラクトグラフィーは、注釈付きデータを必要とせずに得られる高い解剖学的精度により、機械学習や従来のトラクトグラフィー アルゴリズムに代わる競争力のある代替手段です。
しかし、RL エージェントのトレーニングにこれまで使用されてきた報酬関数は、エージェントが偽陽性トラクトを生成する原因となる解剖学的知識をカプセル化していません。
この論文では、合理的な分類のために訓練された報酬ネットワークに依存する新しい RL トラクトグラフィー システム TractOracle を提案します。
このネットワークは、トレーニング中の報酬関数としてだけでなく、追跡プロセスを早期に停止して誤検知ストリームラインの数を減らすための手段としても使用されます。
これにより、私たちのシステムは、WM ストリームラインの評価と再構築を同時に行うユニークな方法になります。
あるデータセットでは真陽性率が約 20% 向上し、偽陽性率が 3 倍減少し、別のデータセットでは真陽性ストリームラインの数が 2 倍から 7 倍増加したことを報告します。

要約(オリジナル)

Reinforcement learning (RL)-based tractography is a competitive alternative to machine learning and classical tractography algorithms due to its high anatomical accuracy obtained without the need for any annotated data. However, the reward functions so far used to train RL agents do not encapsulate anatomical knowledge which causes agents to generate spurious false positives tracts. In this paper, we propose a new RL tractography system, TractOracle, which relies on a reward network trained for streamline classification. This network is used both as a reward function during training as well as a mean for stopping the tracking process early and thus reduce the number of false positive streamlines. This makes our system a unique method that evaluates and reconstructs WM streamlines at the same time. We report an improvement of true positive ratios by almost 20\% and a reduction of 3x of false positive ratios on one dataset and an increase between 2x and 7x in the number true positive streamlines on another dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google