摘要 — 脑的弥散加权磁共振成像 (dMRI) 具有独特的功能,包括无创探测组织微结构和结构连接。它广泛用于疾病和损伤的临床评估以及神经科学研究。分析 dMRI 数据以提取用于医学和科学目的的有用信息可能具有挑战性。dMRI 测量可能会受到强噪声和伪影的影响,并且可能表现出数据在会话间和扫描仪间的高度可变性,以及脑结构在受试者间异质性。此外,测量值与感兴趣现象之间的关系可能非常复杂。近年来,机器学习方法在 dMRI 分析中的应用越来越多。本文旨在评估这些努力,重点关注解决数据预处理和协调、微结构映射、纤维束成像和白质束分析的方法。我们研究现有方法的主要发现、优点和缺点,并提出未来研究的主题。我们发现机器学习可能非常适合解决 dMRI 分析中的一些困难任务。然而,要实现这一点,需要解决现有方法的几个缺点和尚未解决的关键问题。迫切需要改进评估实践,增加丰富的训练数据集和验证基准的可用性,以及模型的通用性、可靠性和可解释性问题。
主要关键词