Core Concepts
解剖学に基づいた繊維軌道分布推定は、クラニアル神経の特定と再構築を改善します。
Abstract
この記事では、クラニアル神経(CNs)の追跡プロセス中に解剖学的形状事前知識を取り入れることで、拡散テンソルベクトル場を構築する新しいCNs識別フレームワークが提案されています。実験結果は、提案手法が他の既存手法と比較して高いCNs識別性能を示すことを示しています。また、FODやピークがノイズ、アーティファクト、病理的条件、または低品質データセットなどの要因に影響を受ける場合には影響を受ける可能性があることが指摘されています。将来の研究では、追跡プロセス中の偽陽性ファイバー問題を解決するために流体場内で最適な輸送モデリングに焦点を当てる予定です。
Stats
提案手法は他の方法よりも5対のCNs(CN II、CN III、CN V、およびCN VII/VIII)を正常に特定しました。
空間オーバーラップ率:iFOD1(70.45%)、DT(75.59%)、UKF(81.29%)、PTT(76.22%)、FTD(80.12%)、OUR(91.31%)
ファイバー距離(HD):iFOD1(25.76)、DT(30.56)、UKF(18.83)、PTT(24.68)、FTD(31.57)、OUR(16.72)
ファイバー距離(AHD):iFOD1(1.51)、DT(2.59)、UKF(1.11)、PTT (1.67)、FTD (2.68)、OUR (0 .84)
Quotes
"提案された方法は他の既存手法と比較して高いCNs識別性能を示しました。"
"我々は将来的な研究で偽陽性ファイバー問題を解決するために流体場内で最適な輸送モデリングに焦点を当てます。"