論文の概要: AGFS-Tractometry: A Novel Atlas-Guided Fine-Scale Tractometry Approach for Enhanced Along-Tract Group Statistical Comparison Using Diffusion MRI Tractography

• arxiv url: http://arxiv.org/abs/2507.10601v1
• Date: Sat, 12 Jul 2025 15:48:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-16 19:46:02.768062
• Title: AGFS-Tractometry: A Novel Atlas-Guided Fine-Scale Tractometry Approach for Enhanced Along-Tract Group Statistical Comparison Using Diffusion MRI Tractography
• Title（参考訳）: AGFS-Tractometry:Diffusion MRI を用いたAtlas-Guided Fine-Scale Tractometry 法
• Authors: Ruixi Zheng, Wei Zhang, Yijie Li, Xi Zhu, Zhou Lan, Jarrett Rushmore, Yogesh Rathi, Nikos Makris, Lauren J. O'Donnell, Fan Zhang,
• Abstract要約: 拡散MRI(dMRI)は、現在、脳の白質(WM)をin vivoでマッピングする唯一の方法である。 トラクトメトリー(Tractometry)は、繊維路に沿った形態と微細構造を調べるために、沿線プロファイリングのための高度なトラクトグラフィー解析技術である。 本稿では,Atlas-Guided fine-scale tractometry,すなわちAGFS-Tractometryを提案する。
• 参考スコア（独自算出の注目度）: 8.843685050605062
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion MRI (dMRI) tractography is currently the only method for in vivo mapping of the brain's white matter (WM) connections. Tractometry is an advanced tractography analysis technique for along-tract profiling to investigate the morphology and microstructural properties along the fiber tracts. Tractometry has become an essential tool for studying local along-tract differences between different populations (e.g., health vs disease). In this study, we propose a novel atlas-guided fine-scale tractometry method, namely AGFS-Tractometry, that leverages tract spatial information and permutation testing to enhance the along-tract statistical analysis between populations. There are two major contributions in AGFS-Tractometry. First, we create a novel atlas-guided tract profiling template that enables consistent, fine-scale, along-tract parcellation of subject-specific fiber tracts. Second, we propose a novel nonparametric permutation testing group comparison method to enable simultaneous analysis across all along-tract parcels while correcting for multiple comparisons. We perform experimental evaluations on synthetic datasets with known group differences and in vivo real data. We compare AGFS-Tractometry with two state-of-the-art tractometry methods, including Automated Fiber-tract Quantification (AFQ) and BUndle ANalytics (BUAN). Our results show that the proposed AGFS-Tractometry obtains enhanced sensitivity and specificity in detecting local WM differences. In the real data analysis experiments, AGFS-Tractometry can identify more regions with significant differences, which are anatomically consistent with the existing literature. Overall, these demonstrate the ability of AGFS-Tractometry to detect subtle or spatially localized WM group-level differences. The created tract profiling template and related code are available at: https://github.com/ZhengRuixi/AGFS-Tractometry.git.
• Abstract（参考訳）: 拡散MRI(dMRI)は、現在、脳の白質(WM)をin vivoでマッピングする唯一の方法である。 トラクトメトリー(Tractometry)は、繊維路に沿った形態と微細構造を調べるために、沿線プロファイリングのための高度なトラクトグラフィー解析技術である。 トラクトメトリーは、異なる集団間(例えば、健康と病気)の局所的な系統的差異を研究するために欠かせない道具となっている。 本研究では,Atlas-Guided fine-scale tractometry,すなわちAGFS-Tractometryを提案する。 AGFS-Tractometryには2つの大きな貢献がある。 まず, 被検体特異的な繊維の連続的, 微細かつ連続的なパーセレーションを可能にする, 新規なアトラスガイド付きトラクションプロファイリングテンプレートを作成する。 第2に、複数の比較を補正しながら全経路の並列解析を可能にする、新しい非パラメトリックな置換テストグループ比較法を提案する。 グループ差と生体内実データを用いた合成データセットの実験的評価を行った。 我々はAGFS-TractometryとAFQ(Automated Fiber-tract Quantification)とBUndle Analytics(BUAN)の2つの最先端トラクトメトリー法を比較した。 以上の結果より,AGFS-Tractometryは局所的なWM差の検出において感度と特異性を向上することがわかった。 実際のデータ分析実験では、AGFS-Tractometryは、既存の文献と解剖学的に一致した、大きな違いを持つより多くの領域を識別することができる。 全体として、これらはAGFS-Tractometryが微妙または空間的に局在したWMグループレベルの差を検出する能力を示している。 生成されたトラクションプロファイリングテンプレートと関連するコードは、https://github.com/ZhengRuixi/AGFS-Tractometry.gitで入手できる。

関連論文リスト

• SemanticST: Spatially Informed Semantic Graph Learning for Clustering, Integration, and Scalable Analysis of Spatial Transcriptomics [3.1403380447856426]
  本稿では,空間転写学解析のためのグラフベースのディープラーニングフレームワークSemanticSTを提案する。 ミニバッチトレーニングをサポートしており、Xenium(50,000セル)のような大規模データセットにスケーラブルなグラフニューラルネットワークとしては初めてのものだ。
  論文  参考訳（メタデータ） (2025-06-13T06:30:48Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Histopathology Whole Slide Image Analysis with Heterogeneous Graph Representation Learning [78.49090351193269]
  本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。 具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。 我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-07-09T14:43:40Z)
• TBSS++: A novel computational method for Tract-Based Spatial Statistics [6.1908590616944785]
  クロスオブジェクト tract-specific analysis は、dMRIにおける最も一般的な計算の1つである。 これらの研究の正確さと信頼性は、被験者間で同じ白い物質を正確に比較できる能力に基づいている。 既存の手法の限界を克服する新しい計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-07T22:12:51Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
  ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。 ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。 本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
  論文  参考訳（メタデータ） (2022-07-18T23:07:53Z)
• TractoFormer: A Novel Fiber-level Whole Brain Tractography Analysis Framework Using Spectral Embedding and Vision Transformers [15.334469506736065]
  WBT(Whole Brain tractography)データには、何十万もの個々のファイバーの流線(推定脳接続)が含まれている。 本稿では,新しいパーセレーションフリーな WBT 解析フレームワークである TractoFormer を提案する。 病気分類実験において、TractoFormerは統合失調症とコントロールの分類において最も高い精度を達成する。
  論文  参考訳（メタデータ） (2022-07-05T21:38:26Z)
• Self-transfer learning via patches: A prostate cancer triage approach based on bi-parametric MRI [1.3934382972253603]
  前立腺癌(PCa)は世界で2番目に多いがんである。 現在のPCa診断経路は、かなりの過剰診断のコストがかかり、不必要な治療とさらなる検査に繋がる。 臨床的に有意な (cS) 病変と非有意な (ncS) 病変を区別するためのパッチベースの事前訓練戦略を提案する。
  論文  参考訳（メタデータ） (2021-07-22T17:02:38Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。