論文の概要: Cross-Population White Matter Atlas Creation for Concurrent Mapping of Brain Connections in Neonates and Adults with Diffusion MRI Tractography

• arxiv url: http://arxiv.org/abs/2512.20370v1
• Date: Tue, 23 Dec 2025 13:54:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-24 19:17:49.896244
• Title: Cross-Population White Matter Atlas Creation for Concurrent Mapping of Brain Connections in Neonates and Adults with Diffusion MRI Tractography
• Title（参考訳）: 拡散MRIによる新生児と成人の脳結合の同時マッピングのためのクロスポピュレーション白質アトラスの作成
• Authors: Wei Zhang, Yijie Li, Ruixi Zheng, Nir A. Sochen, Yuqian Chen, Leo R. Zekelman, Ofer Pasternak, Jarrett Rushmore, Yogesh Rathi, Nikos Makris, Lauren J. O'Donnell, Fan Zhang,
• Abstract要約: 拡散MRI(dMRI)による成体と新生児の白色物質(WM)の関連性の比較 既存のWMアトラスは個体群特異的(成熟または新生児)であり、異なる空間に居住し、集団間比較を防止している。 新生児と成人のdMRIデータから構築したWMトラクトグラフィー・アトラス(NABA)を提案する。
• 参考スコア（独自算出の注目度）: 8.011530916936389
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Comparing white matter (WM) connections between adults and neonates using diffusion MRI (dMRI) can advance our understanding of typical brain development and potential biomarkers for neurological disorders. However, existing WM atlases are population-specific (adult or neonatal) and reside in separate spaces, preventing direct cross-population comparisons. A unified WM atlas spanning both neonates and adults is still lacking. In this study, we propose a neonatal/adult brain atlas (NABA), a WM tractography atlas built from dMRI data of both neonates and adults. NABA is constructed using a robust, data-driven fiber clustering pipeline, enabling group-wise WM atlasing across populations despite substantial anatomical variability. The atlas provides a standardized template for WM parcellation, allowing direct comparison of WM tracts between neonates and adults. Using NABA, we conduct four analyses: (1) evaluating the feasibility of joint WM mapping across populations, (2) characterizing WM development across neonatal ages relative to adults, (3) assessing sex-related differences in neonatal WM development, and (4) examining the effects of preterm birth. Our results show that NABA robustly identifies WM tracts in both populations. We observe rapid fractional anisotropy (FA) development in long-range association tracts, including the arcuate fasciculus and superior longitudinal fasciculus II, whereas intra-cerebellar tracts develop more slowly. Neonatal females exhibit faster overall FA development than males. Although preterm neonates show lower overall FA development rates, they demonstrate relatively higher FA growth in specific tracts, including the corticospinal tract, corona radiata-pontine pathway, and intracerebellar tracts. These findings demonstrate that NABA is a useful tool for investigating WM development across neonates and adults.
• Abstract（参考訳）: 拡散MRI(dMRI)を用いた成人と新生児の白色物質(WM)接続の比較は、神経疾患に対する典型的な脳の発達と潜在的なバイオマーカーの理解を深める可能性がある。 しかしながら、既存のWMアトラスは集団特異的(成熟または新生児)であり、別々の空間に居住しており、直接の集団間比較を妨げている。 新生児と成人の両方にまたがる統一的なWMアトラスはまだ不足している。 本研究では,新生児と成人のdMRIデータから構築したWMトラクトグラフィー・アトラス(NABA)を提案する。 NABAはロバストでデータ駆動のファイバクラスタリングパイプラインを使用して構築されており、解剖学的多様性に拘わらず、集団的WMアトラスを可能にする。 アトラスはWMパーセレーションのための標準化されたテンプレートを提供し、新生児と成人のWMトラクトを直接比較することができる。 NABA を用いて,(1) 集団間の共同 WM マッピングの実現可能性,(2) 未成年者に対する WM 発達の特徴,(3) 新生児 WM 発達における性関連性差の評価,(4) 出生前の影響を検討する4つの分析を行った。 以上の結果から,NABAは両集団のWMトラクツを強く同定することがわかった。 小脳内神経路はより緩やかに発達するのに対し、小脳内神経節はより緩やかに発達するのに対し、小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳小脳 新生児の女性は、男性よりも全体的なFAの発達が速い。 早期の新生児は、全体のFA発生率を低下させるが、大脳皮質脊髄路、コロナ・ラジダ・ポンチン経路、小脳内管を含む特定の部位において、比較的高いFA増殖を示す。 これらの結果から,NABAは新生児と成人のWM発達を調査するための有用なツールであることが示唆された。

関連論文リスト

• Age Sensitive Hippocampal Functional Connectivity: New Insights from 3D CNNs and Saliency Mapping [55.27843586881593]
  我々は,海馬機能的接続解析から脳年齢を予測するための解釈可能なディープラーニングフレームワークを開発した。 海馬と皮質の主な関係は、特に前頭骨、くちばし、後角皮質、海馬皮質、左上頭頂葉、右上側頭葉で表される。 発見は、海馬老化の機能的メカニズムに関する新たな洞察を与え、神経画像データの生物学的に意味のあるパターンを明らかにするための説明可能な深層学習の力を示す。
  論文  参考訳（メタデータ） (2025-07-02T07:05:18Z)
• Explainable Brain Age Gap Prediction in Neurodegenerative Conditions using coVariance Neural Networks [94.06526659234756]
  脳年齢差予測に対するブラックボックス機械学習アプローチは実用性に制限がある。 各種神経変性疾患に対する皮質厚み特徴を用いた脳年齢差の研究に,VNNに基づくアプローチを適用した。 以上の結果より,アルツハイマー病,前頭側頭型認知症,非定型パーキンソン病の脳年齢差の解剖学的特徴が明らかとなった。
  論文  参考訳（メタデータ） (2025-01-02T19:37:09Z)
• LoCI-DiffCom: Longitudinal Consistency-Informed Diffusion Model for 3D Infant Brain Image Completion [45.361733575664886]
  乳児の脳画像補完のための新しい長周期インフォームド拡散モデルであるLoCI-DiffComを提案する。 提案手法は,コンテキスト認識の整合性を確保しつつ,個別化された発達特徴を抽出することができる。
  論文  参考訳（メタデータ） (2024-05-17T10:53:40Z)
• Cas-DiffCom: Cascaded diffusion model for infant longitudinal super-resolution 3D medical image completion [47.83003164569194]
  超高分解能・高分解能3次元乳児脳MRIにおける2段階拡散モデルCas-DiffComを提案する。 Cas-DiffCom は縦型乳幼児脳画像における個々の一貫性と高忠実度を両立することを確認した。
  論文  参考訳（メタデータ） (2024-02-21T12:54:40Z)
• Age Prediction Performance Varies Across Deep, Superficial, and Cerebellar White Matter Connections [5.748406277713642]
  本稿では,大規模な畳み込みカーネルと逆ボトルネックを利用した,ディープラーニングに基づく年齢予測モデルを提案する。 実験結果から,提案モデルの平均絶対誤差は2.59年であることが示唆された。 総じて、最も予測可能なWM路は、深部WMからの視床前頭葉と小脳内入力と小脳WMからのPurkinje路である。
  論文  参考訳（メタデータ） (2022-11-11T15:23:09Z)
• 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)
• An automatic pipeline for atlas-based fetal and neonatal brain segmentation and analysis [1.3198175418055964]
  本報告では,2つの胎児腺腫の発生と,そのパイプライン内でのアトラスを用いた分節法について報告する。 パイプラインはまた、曲率、厚み、sulcal depth、局所的なジャイロ化指数など、皮質表面とピアル表面の抽出や計算特性も可能である。
  論文  参考訳（メタデータ） (2022-05-16T11:15:26Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)

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。