要約
拡散磁気共鳴イメージング(DMRI)を使用した脳微細構造の早期かつ正確な評価は、新生児の神経発達障害を特定するために重要ですが、低いシグナルと雑音比(SNR)、モーションアーティファクト、および継続的な髄膜形成のために困難なままです。
この研究では、新生児DMRIに合わせて調整された回転等式球状畳み込みニューラルネットワーク(SCNN)フレームワークを提案します。
グラデーション方向のセット(完全なプロトコルの30%)で取得されたマルチシェルDMRI信号からファイバー方向分布(FOD)を予測し、より速く、より費用対効果の高い取得を可能にします。
発展途上のHuman Connectomeプロジェクト(DHCP)が提供する43の新生児DMRIデータセットの実際のデータを使用して、SCNNのパフォーマンスをトレーニングおよび評価します。
我々の結果は、SCNNがマルチレイヤーパーセプトロン(MLP)ベースラインと比較して、平均二乗誤差(MSE)およびより高い角度相関係数(ACC)を達成することを示しており、FOD推定の精度が改善されたことを示しています。
さらに、SCNN予測FODに基づくトラクトグラフィーの結果では、MLPのものと比較して、解剖学的妥当性、カバレッジ、およびコヒーレンスが改善されています。
これらの調査結果は、SCNNが固有の回転等拡大により、正確で臨床的に効率的なDMRI分析のための有望なアプローチを提供し、診断能力の改善と初期の脳発達の特性評価のための道を開くことを強調しています。
要約(オリジナル)
Early and accurate assessment of brain microstructure using diffusion Magnetic Resonance Imaging (dMRI) is crucial for identifying neurodevelopmental disorders in neonates, but remains challenging due to low signal-to-noise ratio (SNR), motion artifacts, and ongoing myelination. In this study, we propose a rotationally equivariant Spherical Convolutional Neural Network (sCNN) framework tailored for neonatal dMRI. We predict the Fiber Orientation Distribution (FOD) from multi-shell dMRI signals acquired with a reduced set of gradient directions (30% of the full protocol), enabling faster and more cost-effective acquisitions. We train and evaluate the performance of our sCNN using real data from 43 neonatal dMRI datasets provided by the Developing Human Connectome Project (dHCP). Our results demonstrate that the sCNN achieves significantly lower mean squared error (MSE) and higher angular correlation coefficient (ACC) compared to a Multi-Layer Perceptron (MLP) baseline, indicating improved accuracy in FOD estimation. Furthermore, tractography results based on the sCNN-predicted FODs show improved anatomical plausibility, coverage, and coherence compared to those from the MLP. These findings highlight that sCNNs, with their inherent rotational equivariance, offer a promising approach for accurate and clinically efficient dMRI analysis, paving the way for improved diagnostic capabilities and characterization of early brain development.
arxiv情報
著者 | Haykel Snoussi,Davood Karimi |
発行日 | 2025-04-02 17:36:51+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google