Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging

要約

拡散強調画像法 (DWI) は、水分子の拡散率に敏感な磁気共鳴画像法 (MRI) 技術の一種で、組織の微細構造を検査する機能を提供し、白質線維路を非侵襲的に再構築する唯一の生体内方法です。
。
DWI 信号を拡散テンソル イメージング (DTI) モデルで解析して、ボクセル内での水の拡散の方向性を推定できます。
軸方向拡散率 (AD)、平均拡散率 (MD)、動径方向拡散率 (RD)、分数異方性 (FA) などのいくつかのスカラー指標を DTI からさらに導き出し、脳組織の微細構造の完全性を定量的に要約することができます。
これらのスカラー指標は、臨床研究において顕微鏡レベルで脳組織の組織と健康状態を理解する上で重要な役割を果たしてきました。
ただし、信頼できる DTI メトリクスは、高勾配方向の DWI 取得に依存しており、一般的に使用される臨床プロトコルを超えることがよくあります。
臨床的に取得された DWI の有用性を高め、堅牢な DTI 分析のためのスキャン時間を節約するために、この研究では、最小理論数で取得された DWI のセットからでも信頼性の高い DTI メトリクスを推定する深層学習ベースの方法である DirGeo-DTI を提案します (6)
グラデーションの方向。
DirGeo-DTI は、方向エンコーディングと幾何学的制約を活用してトレーニング プロセスを促進します。
評価には 2 つの公開 DWI データセットが使用され、提案された方法の有効性が実証されました。
広範な実験結果は、提案された方法が既存の DTI 強調方法と比較して最高のパフォーマンスを達成し、ルーチンの臨床 DWI スキャンでさらなる臨床洞察を明らかにする可能性があることを示しています。

要約(オリジナル)

Diffusion-weighted imaging (DWI) is a type of Magnetic Resonance Imaging (MRI) technique sensitised to the diffusivity of water molecules, offering the capability to inspect tissue microstructures and is the only in-vivo method to reconstruct white matter fiber tracts non-invasively. The DWI signal can be analysed with the diffusion tensor imaging (DTI) model to estimate the directionality of water diffusion within voxels. Several scalar metrics, including axial diffusivity (AD), mean diffusivity (MD), radial diffusivity (RD), and fractional anisotropy (FA), can be further derived from DTI to quantitatively summarise the microstructural integrity of brain tissue. These scalar metrics have played an important role in understanding the organisation and health of brain tissue at a microscopic level in clinical studies. However, reliable DTI metrics rely on DWI acquisitions with high gradient directions, which often go beyond the commonly used clinical protocols. To enhance the utility of clinically acquired DWI and save scanning time for robust DTI analysis, this work proposes DirGeo-DTI, a deep learning-based method to estimate reliable DTI metrics even from a set of DWIs acquired with the minimum theoretical number (6) of gradient directions. DirGeo-DTI leverages directional encoding and geometric constraints to facilitate the training process. Two public DWI datasets were used for evaluation, demonstrating the effectiveness of the proposed method. Extensive experimental results show that the proposed method achieves the best performance compared to existing DTI enhancement methods and potentially reveals further clinical insights with routine clinical DWI scans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google