論文の概要: Scattering approach to diffusion quantifies axonal damage in brain injury
- arxiv url: http://arxiv.org/abs/2501.18167v1
- Date: Thu, 30 Jan 2025 06:31:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-31 15:13:47.949985
- Title: Scattering approach to diffusion quantifies axonal damage in brain injury
- Title(参考訳): 散乱法による脳損傷の軸索損傷の定量化
- Authors: Ali Abdollahzadeh, Ricardo Coronado-Leija, Hong-Hsi Lee, Alejandra Sierra, Els Fieremans, Dmitry S. Novikov,
- Abstract要約: 神経疾患の早期診断および非侵襲的モニタリングは、溶出性細胞レベルの変化に対する感受性を必要とする。
そこで我々は,時間依存性拡散MRIの軸索形態に対する感度をマイクロメータースケールで明らかにした。
我々のアプローチは、分解能のマイクロメーターとミリメートルのギャップを埋め、幅広い神経疾患に適用可能な定量的かつ客観的なバイオマーカーを提供する。
- 参考スコア(独自算出の注目度): 37.80471412365271
- License:
- Abstract: Early diagnosis and noninvasive monitoring of neurological disorders require sensitivity to elusive cellular-level alterations that occur much earlier than volumetric changes observable with the millimeter-resolution of medical imaging modalities. Morphological changes in axons, such as axonal varicosities or beadings, are observed in neurological disorders, as well as in development and aging. Here, we reveal the sensitivity of time-dependent diffusion MRI (dMRI) to axonal morphology at the micrometer scale. Scattering theory uncovers the two parameters that determine the diffusive dynamics of water in axons: the average reciprocal cross-section and the variance of long-range cross-sectional fluctuations. This theoretical development allowed us to predict dMRI metrics sensitive to axonal alterations across tens of thousands of axons in seconds rather than months of simulations in a rat model of traumatic brain injury. Our approach bridges the gap between micrometers and millimeters in resolution, offering quantitative, objective biomarkers applicable to a broad spectrum of neurological disorders.
- Abstract(参考訳): 神経疾患の早期診断および非侵襲的なモニタリングは、医療画像のミリ波解像度で観察できる体積変化よりもはるかに早く起こる、溶出性細胞レベルの変化に対する感受性を必要とする。
軸索静脈瘤やビーディングなどの軸索の形態変化は神経疾患や発達・老化において観察される。
そこで我々は,時間依存性拡散MRI(dMRI)の軸索形態に対する感度をマイクロメータースケールで明らかにした。
散乱理論は、軸索内の水の拡散力学を決定する2つのパラメータ、すなわち平均逆断面積と長距離断面積変動の分散を明らかにする。
この理論開発により、外傷性脳損傷モデルにおいて、数ヶ月のシミュレーションではなく、数万の軸索にまたがる軸索変化に敏感なdMRI測定値を予測できるようになった。
我々のアプローチは、分解能のマイクロメーターとミリメートルのギャップを埋め、幅広い神経疾患に適用可能な定量的かつ客観的なバイオマーカーを提供する。
関連論文リスト
- CATD: Unified Representation Learning for EEG-to-fMRI Cross-Modal Generation [6.682531937245544]
本稿では,ニューロイメージングの終端から終端までのクロスモーダル合成のための条件付き時間拡散(CATD)フレームワークを提案する。
提案フレームワークは、ニューロイメージングのクロスモーダル合成のための新しいパラダイムを確立する。
パーキンソン病の予測を改善し、異常な脳領域を同定するといった医療応用の可能性を示している。
論文 参考訳(メタデータ) (2024-07-16T11:31:38Z) - Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳(メタデータ) (2023-11-22T05:44:51Z) - Bayesian longitudinal tensor response regression for modeling
neuroplasticity [0.0]
縦断的神経画像研究における主要な関心は、訪問中の治療やその他の要因によるボクセルレベルの神経可塑性の研究である。
本研究では,空間分散ボクセル間で情報をプールする縦画像データに対する新しいベイズテンソル応答回帰手法を提案する。
提案手法は, 個別レベルの神経可塑性を推定し, パーソナライズされた疾患や回復軌道の検査を可能にする。
論文 参考訳(メタデータ) (2023-09-12T18:48:18Z) - Regional Deep Atrophy: a Self-Supervised Learning Method to
Automatically Identify Regions Associated With Alzheimer's Disease
Progression From Longitudinal MRI [1.465540676497032]
本稿では,DeepAtrophyからの時間的推論アプローチと変形可能な登録ニューラルネットワークとアテンション機構を組み合わせた地域深部萎縮症を提案する。
DeepAtrophyは、時間的順序や相対的なスキャン間隔などの経時的MRIスキャンから時間的情報を推測する際の精度が高い。
RDAはDeepAtrophyと類似した予測精度を持っているが、その追加の解釈可能性により、臨床環境での使用がより受け入れられる。
論文 参考訳(メタデータ) (2023-04-10T15:50:19Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳(メタデータ) (2023-03-23T18:50:18Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳(メタデータ) (2023-03-07T09:40:22Z) - Longformer: Longitudinal Transformer for Alzheimer's Disease
Classification with Structural MRIs [1.9450973046619378]
本稿では,各時点のsMRI上で空間的に注意機構を実行するトランスフォーマーネットワークであるLongformerを提案する。
我々のLongformerは、ADデータセットを用いてアルツハイマー病(AD)の異なる段階を分離する2つのバイナリ分類タスクにおいて、最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2023-02-02T06:38:00Z) - DeepAtrophy: Teaching a Neural Network to Differentiate Progressive
Changes from Noise on Longitudinal MRI in Alzheimer's Disease [1.465540676497032]
経時的MRI変化測定は非生物学的因子によって構成できる。
深層学習法は、生物学的変化と非生物学的要因を区別するために訓練することができる。
論文 参考訳(メタデータ) (2020-10-24T18:23:02Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳(メタデータ) (2020-05-08T02:29:24Z) - Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。
この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文 参考訳(メタデータ) (2020-01-14T22:55:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。