論文の概要: Automated Mapping the Pathways of Cranial Nerve II, III, V, and VII/VIII: A Multi-Parametric Multi-Stage Diffusion Tractography Atlas

• arxiv url: http://arxiv.org/abs/2507.23245v1
• Date: Thu, 31 Jul 2025 05:04:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:09.107421
• Title: Automated Mapping the Pathways of Cranial Nerve II, III, V, and VII/VIII: A Multi-Parametric Multi-Stage Diffusion Tractography Atlas
• Title（参考訳）: 頭蓋神経II, III, V, VII/VIIIの経路を自動マッピングする多段階多段階拡散トラクトグラフィー・アトラス
• Authors: Lei Xie, Jiahao Huang, Jiawei Zhang, Jianzhong He, Yiang Pan, Guoqiang Xie, Mengjun Li, Qingrun Zeng, Mingchu Li, Yuanjing Feng,
• Abstract要約: 脳神経(CN)は、人間の脳の様々な重要な機能において重要な役割を担っている。 拡散MRI(dMRI)からそれらの経路をマッピングすると、個々のCNと鍵組織の間の空間的関係についての貴重な洞察が得られる。 我々は,ヒト脳におけるCN経路の自動マッピングのための包括的拡散トラクトグラフィー・アトラスを開発した最初の研究であると考えている。
• 参考スコア（独自算出の注目度）: 17.079692842484583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cranial nerves (CNs) play a crucial role in various essential functions of the human brain, and mapping their pathways from diffusion MRI (dMRI) provides valuable preoperative insights into the spatial relationships between individual CNs and key tissues. However, mapping a comprehensive and detailed CN atlas is challenging because of the unique anatomical structures of each CN pair and the complexity of the skull base environment.In this work, we present what we believe to be the first study to develop a comprehensive diffusion tractography atlas for automated mapping of CN pathways in the human brain. The CN atlas is generated by fiber clustering by using the streamlines generated by multi-parametric fiber tractography for each pair of CNs. Instead of disposable clustering, we explore a new strategy of multi-stage fiber clustering for multiple analysis of approximately 1,000,000 streamlines generated from the 50 subjects from the Human Connectome Project (HCP). Quantitative and visual experiments demonstrate that our CN atlas achieves high spatial correspondence with expert manual annotations on multiple acquisition sites, including the HCP dataset, the Multi-shell Diffusion MRI (MDM) dataset and two clinical cases of pituitary adenoma patients. The proposed CN atlas can automatically identify 8 fiber bundles associated with 5 pairs of CNs, including the optic nerve CN II, oculomotor nerve CN III, trigeminal nerve CN V and facial-vestibulocochlear nerve CN VII/VIII, and its robustness is demonstrated experimentally. This work contributes to the field of diffusion imaging by facilitating more efficient and automated mapping the pathways of multiple pairs of CNs, thereby enhancing the analysis and understanding of complex brain structures through visualization of their spatial relationships with nearby anatomy.
• Abstract（参考訳）: 脳神経(CN)は、ヒト脳の様々な重要な機能において重要な役割を担い、拡散MRI(dMRI)からの経路をマッピングすることで、個々のCNと鍵組織の間の空間的関係に関する貴重な術前洞察を提供する。 しかし, 包括的かつ詳細なCNアトラスのマッピングは, それぞれのCNペアの解剖学的構造と頭蓋底環境の複雑さのために困難である。本研究では, ヒト脳におけるCN経路の自動マッピングのための包括的拡散トラクトグラフィー・アトラスを開発した最初の研究であると考えられる。 CNアトラスは、一対のCNに対してマルチパラメトリックファイバートラクトグラフィーによって生成された流線型を用いて、ファイバクラスタリングにより生成される。 使い捨てクラスタリングの代わりに,Human Connectome Project (HCP) による50件の被験者から生成される約1000,000のストリームラインを複数解析するための,多段ファイバクラスタリングの新しい戦略を検討する。 HCP データセット,Multi-shell Diffusion MRI (MDM) データセット,下垂体腺腫の2例を含む複数の取得部位において,CN アトラスが専門家の手による注釈と高い空間的対応を達成できることを示す定量的および視覚的実験を行った。 提案したCNアトラスは、視神経CNII、眼球運動神経CNIII、三叉神経CNV、顔面下葉神経CN VII/VIIIを含む5対のCNに付随する8つの繊維束を自動的に同定し、その堅牢性を実験的に実証することができる。 この研究は、複数のCNの経路をより効率的に自動マッピングすることで拡散イメージングの分野に寄与し、近くの解剖学との空間的関係を可視化することで、複雑な脳構造の分析と理解を強化する。

関連論文リスト

• Unified Cross-Modal Attention-Mixer Based Structural-Functional Connectomics Fusion for Neuropsychiatric Disorder Diagnosis [17.40353435750778]
  ConneXはマルチモーダル核融合法であり、多層パーセプトロン(MLP)-ミクサーとクロスアテンション機構を統合する。 2つの異なる臨床データセット上での性能向上を示し、提案フレームワークの堅牢性を強調した。
  論文  参考訳（メタデータ） (2025-05-21T05:49:13Z)
• Revolutionizing Brain Tumor Imaging: Generating Synthetic 3D FA Maps from T1-Weighted MRI using CycleGAN Models [18.167577989282247]
  本稿では,T1強調MRIスキャンから直接FAマップを生成するためのCycleGANに基づくアプローチを提案する。 提案モデルでは,未確認データに基づいて高忠実度マップを作製し,特に腫瘍領域での強靭な性能を示す。
  論文  参考訳（メタデータ） (2025-05-06T16:05:22Z)
• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• Anatomy-guided fiber trajectory distribution estimation for cranial nerves tractography [14.352189425165777]
  頭蓋底の複雑な環境は、拡散方向と繊維幾何学の間のあいまいな空間的対応をもたらす。 解剖学的に誘導された繊維軌道分布を有する新しいCN同定フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-29T05:08:59Z)
• SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
  本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。 提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。 科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
  論文  参考訳（メタデータ） (2024-02-27T06:32:56Z)
• DiffGAN-F2S: Symmetric and Efficient Denoising Diffusion GANs for Structural Connectivity Prediction from Brain fMRI [15.40111168345568]
  構造接続(SC)と機能的磁気共鳴イメージング(fMRI)の信頼性非直線マッピング関係を橋渡しすることは困難である 脳のfMRIからエンド・ツー・エンド・エンドの方法でSCを予測するために,新しい拡散生成逆ネットワークを用いたfMRI-to-SCモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-28T06:55:50Z)
• S3M: Scalable Statistical Shape Modeling through Unsupervised Correspondences [91.48841778012782]
  本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。 我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。 我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
  論文  参考訳（メタデータ） (2023-04-15T09:39:52Z)
• Hierarchical Graph Convolutional Network Built by Multiscale Atlases for Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
  本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。 まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。 そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
  論文  参考訳（メタデータ） (2022-09-22T04:17:57Z)
• AM-GCN: Adaptive Multi-channel Graph Convolutional Networks [85.0332394224503]
  グラフ畳み込みネットワーク(GCN)は,豊富な情報を持つ複雑なグラフにおいて,ノードの特徴と位相構造を最適に統合できるかどうかを検討する。 半教師付き分類(AM-GCN)のための適応型マルチチャネルグラフ畳み込みネットワークを提案する。 実験の結果,AM-GCNはノードの特徴とトポロジ的構造の両方から最も相関性の高い情報を抽出することがわかった。
  論文  参考訳（メタデータ） (2020-07-05T08:16:03Z)
• Attention-Guided Generative Adversarial Network to Address Atypical Anatomy in Modality Transfer [3.167912607974845]
  T1強調MRI画像から正確な合成CTを生成するために,空間的注意誘導型生成対向ネットワーク(attention-GAN)モデルを提案する。 15人の脳がん患者の実験結果によると、GANは既存のsynCTモデルより優れており、平均値は85.22$pm$12.08、232.41$pm$60.86、246.38$pm$42.67である。
  論文  参考訳（メタデータ） (2020-06-27T02:50:39Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。