Direct segmentation of brain white matter tracts in diffusion MRI

要約

脳白質は、脳の異なる領域を接続する一連の管で構成されています。
これらの領域のセグメント化は、臨床研究や研究研究で必要になることがよくあります。
拡散強調 MRI は、これらの領域の輪郭を示す独自のコントラストを提供します。
ただし、既存のセグメンテーション方法は、トラクトグラフィーや繊維配向密度の推定などの中間計算に依存しています。
これらの中間計算では複雑な計算が必要となり、不要なエラーが発生する可能性があります。
さらに、これらの中間計算では、多くの臨床および研究アプリケーションでは利用できない高密度のマルチシェル測定が必要になることがよくあります。
その結果、現在の方法は精度が低く、一般化性が低いという問題があります。
ここでは、拡散 MRI データからこれらのトラクトを直接セグメント化し、それによって中間の計算エラーを回避する新しい深層学習方法を提案します。
私たちの実験では、この方法が最先端の方法と同等のセグメンテーション精度 (平均ダイス類似係数 0.826) を達成できることが示されています。
最先端技術と比較して、私たちの方法は、臨床研究に典型的なアンダーサンプリングされたデータや、さまざまな収集プロトコルで取得されたデータに対してはるかに優れた一般化可能性を提供します。
さらに、不正確なセグメンテーションを検出するための新しい方法を提案し、それが推定の不確実性の定量化に基づく標準的な方法よりも正確であることを示します。
新しい方法は、白質路の正確かつ信頼性の高い非侵襲的セグメンテーションを必要とする多くの非常に重要な臨床的および科学的用途に役立ちます。

要約(オリジナル)

The brain white matter consists of a set of tracts that connect distinct regions of the brain. Segmentation of these tracts is often needed for clinical and research studies. Diffusion-weighted MRI offers unique contrast to delineate these tracts. However, existing segmentation methods rely on intermediate computations such as tractography or estimation of fiber orientation density. These intermediate computations, in turn, entail complex computations that can result in unnecessary errors. Moreover, these intermediate computations often require dense multi-shell measurements that are unavailable in many clinical and research applications. As a result, current methods suffer from low accuracy and poor generalizability. Here, we propose a new deep learning method that segments these tracts directly from the diffusion MRI data, thereby sidestepping the intermediate computation errors. Our experiments show that this method can achieve segmentation accuracy that is on par with the state of the art methods (mean Dice Similarity Coefficient of 0.826). Compared with the state of the art, our method offers far superior generalizability to undersampled data that are typical of clinical studies and to data obtained with different acquisition protocols. Moreover, we propose a new method for detecting inaccurate segmentations and show that it is more accurate than standard methods that are based on estimation uncertainty quantification. The new methods can serve many critically important clinical and scientific applications that require accurate and reliable non-invasive segmentation of white matter tracts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google