北理工在神經組織結構重建方面取得新進展

  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,與北京大學第三醫院放射科曾祥柱副主任醫師合作,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目情況下神經組織結構的重建質量,并實現了對重建結果的不確定性量化。相關結果以《An improved deep network for tissue microstructure estimation with uncertainty quantification》為題,發表于醫學圖像處理領域頂級期刊Medical Image Analysis (影響影子IF:8.88)。

 

圖1. 神經組織結構的重建誤差

  通過彌散磁共振成像測量的神經組織結構信息在神經科學研究中得到了廣泛的應用。這些信息可以提示大腦發育和衰老,還與許多神經系統疾病有關,為神經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,影響了神經組織結構重建的準確性。此外,重建結果的不確定性信息對于后續的影像分析也有重要意義,但是現有的方法無法提供相關信息。

圖2. 神經組織結構重建及不確定性量化結果示意圖

  為了解決這些問題,研究團隊提出了一種改進的深度網絡,其在自適應地結合歷史信息的同時,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組織結構重建結果。此外,該方法基于稀疏表示形式,利用Lasso Bootstrap策略,對神經組織結構重建結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據集,在不同的信號模型上驗證了所設計的方法,其準確性顯著優于現有的方法,并且得到了有意義的不確定性量化結果。該項工作為基于彌散磁共振成像的神經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

拼三张提现