BriefGPT - AI 论文速递
·
基于扩散模型的 dMRI 高畸变下 FOD 恢复
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的方法来建模扩散磁共振成像（dMRI）数据集，利用人脑结构相干性，仅使用单个被试的数据。使用神经网络参数化球面谐波级数（NeSH）来表示单个被试的dMRI信号，重建的信号显示出更具结构连贯性的数据表示。消除了梯度图像中的噪声，并且纤维定向分布函数沿纤维束的方向呈平滑变化。可以使用单个模型架构计算平均扩散度、分数各向异性和总视觉纤维密度。演示了在角度和空域中进行上采样可以实现与现有方法相当或更好的重建。
🎯
关键要点
- 提出了一种新方法来建模扩散磁共振成像（dMRI）数据集，利用人脑结构相干性，仅使用单个被试的数据。
- 使用神经网络参数化球面谐波级数（NeSH）表示单个被试的dMRI信号。
- 重建的dMRI信号显示出更具结构连贯性，消除了梯度图像中的噪声。
- 纤维定向分布函数沿纤维束的方向呈平滑变化。
- 可以使用单个模型架构计算平均扩散度、分数各向异性和总视觉纤维密度。
- 演示了在角度和空域中进行上采样可以实现与现有方法相当或更好的重建。
➡️
