北理工在神經(jīng)組織結(jié)構(gòu)重建方面取得新進展
發(fā)布日期：2020-05-06 供稿：信息與電子學院
編輯：曹安琪 審核：司黎明 閱讀次數(shù)：近日，北京理工大學信息與電子學院副教授葉初陽、博士生李雨星，與北京大學第三醫(yī)院放射科曾祥柱副主任醫(yī)師合作，基于彌散磁共振成像，利用基于深度學習的方法，改進了在有限彌散梯度數(shù)目情況下神經(jīng)組織結(jié)構(gòu)的重建質(zhì)量，并實現(xiàn)了對重建結(jié)果的不確定性量化。相關(guān)結(jié)果以《An improved deep network for tissue microstructure estimation with uncertainty quantification》為題，發(fā)表于醫(yī)學圖像處理領(lǐng)域頂級期刊Medical Image Analysis (影響影子IF:8.88)。
圖1 神經(jīng)組織結(jié)構(gòu)的重建誤差
通過彌散磁共振成像測量的神經(jīng)組織結(jié)構(gòu)信息在神經(jīng)科學研究中得到了廣泛的應用。這些信息可以提示大腦發(fā)育和衰老，還與許多神經(jīng)系統(tǒng)疾病有關(guān)，為神經(jīng)科學研究提供了重要的生物標記。但在典型的成像場景下，由于成像時間的限制，影響了神經(jīng)組織結(jié)構(gòu)重建的準確性。此外，重建結(jié)果的不確定性信息對于后續(xù)的影像分析也有重要意義，但是現(xiàn)有的方法無法提供相關(guān)信息。
圖2 神經(jīng)組織結(jié)構(gòu)重建及不確定性量化結(jié)果示意圖
為了解決這些問題，研究團隊提出了一種改進的深度網(wǎng)絡(luò)，其在自適應地結(jié)合歷史信息的同時，應用空間域與角度域分離的字典對信號進行稀疏表示，再將信號稀疏表示以可分離的形式映射到神經(jīng)組織結(jié)構(gòu)重建結(jié)果。此外，該方法基于稀疏表示形式，利用Lasso Bootstrap策略，對神經(jīng)組織結(jié)構(gòu)重建結(jié)果進行了不確定性量化。團隊利用公開的大腦彌散磁共振成像數(shù)據(jù)集，在不同的信號模型上驗證了所設(shè)計的方法，其準確性顯著優(yōu)于現(xiàn)有的方法，并且得到了有意義的不確定性量化結(jié)果。該項工作為基于彌散磁共振成像的神經(jīng)科學研究提供了重要的計算新思路。
論文鏈接：https://doi.org/10.1016/j.media.2020.101650
分享到：