XiaoMi-AI文件搜索系统
World File Search System纤维束
纤维束成像通过测试：扩散成像的结果......
Gabriel Girard a , b , c , 1 , ∗ , Jonathan Rafael-Patiño b , c , 1 , Raphaël Truffet d , Dogu Baran Aydogan e , f , g , Nagesh Adluru h , i , Veena A. Nair i , Vivek Baraka and Prabhabra , Alexander Jr . , k , l , Sara Bosticardo m , n , Ilaria Gabusi m , o , Mario Ocampo-Pineda m , Matteo Battocchio m , p , Zuzana Piskorova m , q , Pietro Bontempi m , Simona Schiavi r , Alessandro Daducci m , fi Sandra Bostika , Stabi , Cisco Tomasz Pieciak s , u , Matteo Frigo v , Sara Sedlar v , Samuel Deslauriers-Gauthier v , Ivana Koj chi ć v , Mauro Zucchelli v , Hiba Laghrissi v , ao , Yang Ji v , Rachid Deriche v , Kurt G Schilling w , Bennett w , Axman , Caccio and Cacci am , Gianpaolo Antonio Basile y , Salvatore Bertino y , Nancy Newlin x , Praitayini Kanakaraj x , Francois Rheault x , Patryk Filipiak z , Timothy M. Shepherd z , Ying-Chia Lin z , Dimitris G. Placantonakis aa , Ferna Ená . errez p , Alonso Ramírez-Manzanares ac , Ricardo Coronado-Leija z , Pablo Stack-Sánchez ac , Luis Concha ad , Maxime Descoteaux p , Sina Mansour L. ae , af , Caio Seguin af , ag , ah , Andrew Zalesky ae , af , c. Ye Wu aj , ak , Sahar Ahmad aj , Pew-Thian Yap aj , Antoine Théberge p , Florence Gagnon p , Frédéric Massi p , Rémy Fischi-Gomez a , b , c , Rémy Gardier c , Juan Luis Villarreal Haro c , Marco Piz c , Emma d'El Caru , Jellian ppe Thiran a , b , c
脑弥散 MRI 纤维束成像
图 10 重建的扣带束通路。上图显示穿过 ROI（显示为红色）的轨迹。中图显示在颞区放置额外的“AND”ROI（显示为白色）后剩余的通路。请注意，这样做后，额叶通路不再被选中（如问号所示）。类似地，在包含前部“AND”ROI（显示为白色）后，颞叶部分不再存在，如下图问号所示
经颅磁刺激 (TMS) 种子纤维束成像比解剖种子纤维束成像能更好地预测口才
摘要背景。对于脑肿瘤患者，最大限度地扩大切除范围同时最大限度地减少术后神经系统发病率需要在术前准确识别功能结构。最近的研究提供的证据表明，解剖结构可能并不总能预测功能。在本研究中，我们直接比较了经颅磁刺激 (TMS) 数据结合纤维束成像与传统解剖分级标准，以预测运动功能性神经胶质瘤患者的永久性缺陷。方法。我们选择了 42 名患有周围肿瘤的神经胶质瘤患者，这些患者接受了术前 TMS 映射，随后进行了切除和术中映射。我们从他们的图表中收集了临床结果数据，主要结果是 3 个月随访时出现新的或恶化的运动缺陷，称为“永久性缺陷”。我们将术后切除腔叠加到包含术前成像特征的术前 MRI 上。结果。几乎一半的患者显示 TMS 阳性点明显偏离中央前回，表明肿瘤诱导了神经可塑性。在多元回归中，切除 TMS 点可显著预测永久性缺损，而切除中央前回则不能。无论分数各向异性 (FA) 阈值如何，TMS 纤维束成像对永久性缺损的预测值均明显高于解剖纤维束成像。对于每种方式的最佳 FA 阈值，TMS 纤维束成像为识别真正的不可切除的、功能强大的皮质和皮质下结构提供了更高的阳性和阴性预测值。结论。TMS 已成为一种能够捕捉肿瘤诱导的可塑性重组的术前映射方式，对传统的术前成像方式提出了挑战。
定量流线纤维束成像：方法与交互...
半全局纤维束图优化算法的最新发展为在扩散磁共振成像 (MRI) 领域进行结构纤维“连接性”的定量评估提供了可能性。然而，由于缺乏对这些方法的后果的认识、理解或认识，这些方法在神经科学研究中的正确应用受到了限制；此外，尚未描述以适当方式使用这些工具以充分利用其定量属性所需的具体步骤。因此，本文有三个目的：提高人们对现有工具试图解决众所周知的流线计数非定量性质的认识；说明为什么这些算法以这种方式工作以产生白质“连接性”的定量估计值（以轴突内总横截面积的形式：“纤维束容量 (FBC)”）；并解释如何正确利用这些结果进行跨受试者的定量纤维束成像分析。
QFib：快速高效的脑纤维束压缩
摘要 扩散 MRI 纤维追踪数据集可以包含数百万条 3D 流线，它们的表示可能需要数十 GB 的内存。这些流线集称为纤维追踪图，通常用于临床操作或研究。它们的大小使得它们难以存储、可视化、处理或通过网络交换。我们利用通常的追踪算法获取流线的方式，提出了一种非常适合纤维追踪图的新压缩算法。我们的方法基于单位矢量量化方法与空间变换相结合，可实现较低的压缩和解压缩时间以及较高的压缩比。例如，11.5 GB 的纤维追踪图可以压缩为 1.02 GB 的文件，并在 11.3 秒内解压缩。此外，我们的方法允许压缩和解压缩单个流线，从而无需在处理繁重数据集时使用昂贵的核外算法。最后，我们开辟了一条实时压缩和解压缩的方法，用于处理更大的数据集，而无需大量 RAM（即核心处理）、更快的网络交换和更快的可视化或处理加载时间。
球面反卷积信息滤波纤维束图
简介：人们越来越有兴趣开发使用扩散 MRI 纤维束成像分析活体整个人脑结构连接的方法和模型。这些分析依赖于连接组重建的稳健性和生物学准确性；不幸的是，许多方法因素都会影响这种重建（以及任何衍生的测量值），甚至包括播种策略 [1] 。部分原因是在流线纤维束成像中，轨迹是彼此独立生成的，因此大脑中的特定通路可能相对于底层生物学被过度定义或定义不足。在这里，我们提出了一种全脑纤维追踪数据的后处理滤波器，以补偿这种方法偏差。方法：Raffelt 等人 [2] 的模拟结果表明，使用球面反卷积产生的纤维取向分布 (FOD) 中每个峰的幅度与与该峰对齐的体素内轴突的细胞内体积分数成正比。因此，如果全脑纤维追踪的结果是对底层神经元轴突结构的完美重建，则高角度分辨率空间中的轨迹密度应与 FOD 峰值的方向和相对幅度相对应。因此，我们可以构建一个简单的成本函数：
弥合差距：从神经解剖学知识到脑通路纤维束成像
尽管纤维束成像技术最近取得了进展，但文献中对白质通路的描述与从 dMRI 图像重建和研究白质通路的方法之间仍然存在很大差距。在这里，我们通过提出一种定义白质束的语言（即 WMQL T）和一种根据 WMQL T 查询自动重建通路的工具来应对这一挑战。我们的方法性能高，足够灵活，可以使用多种模态定义束，并允许扩展基于 ROI 的重建方法。利用我们的语言，我们定义了 19 个主要脑束及其细分，并在大量人群中重建它们。我们表明，重建通路的形状及其连接性和侧化与当前的神经解剖学文献一致。最后，我们在两种情况下展示了我们的技术：计算束的功能细分，以及评估惯用手和性别在语言相关束侧化中的作用。
用于验证纤维束成像和评估伪影的物理和数字模型
纤维束成像广泛用于通过扩散加权磁共振成像 (dMRI) 在体内非侵入性地绘制白质束。与所有科学方法一样，无论是在基础神经科学领域还是在临床环境中，适当的验证都是成功应用纤维束成像的关键先决条件。众所周知，从局部扩散信号间接估计纤维束非常模糊且极具挑战性。此外，纤维束成像方法的验证因缺乏真实的基础事实而受到阻碍，这是由极其复杂的大脑微结构造成的，这种微结构无法通过非侵入性直接观察到，而大脑中庞大的长距离纤维连接网络的基础正是纤维束成像方法的实际目标。作为可用于验证的真实基础事实的体内数据的替代品，一种广泛且成功采用的方法是使用合成幻影。在这项工作中，我们概述了物理和数字幻影领域的最新技术，回答了以下指导性问题：“什么是 dMRI 幻影，它们有什么用处？”，“用于验证纤维束成像的理想幻影是什么样的？”和“研究界可以使用哪些幻影、幻影数据集和用于创建它们的工具？”。我们将进一步讨论使用 dMRI 幻影的局限性和机遇，以及该研究领域未来可能的发展方向。
实时纤维束成像辅助神经导航用于经颅磁刺激
摘要 最先进的导航经颅磁刺激 (nTMS) 系统可以显示 TMS 线圈相对于受试者大脑结构磁共振图像 (MRI) 的位置并计算感应电场。然而，TMS 的局部效应会通过白质网络传播到大脑的不同区域，目前还没有商业或研究神经导航系统可以在 TMS 期间实时突出显示大脑的结构连接。缺乏实时可视化可能会忽略大脑连接的关键个体间差异，并且无法提供针对大脑网络的机会。相比之下，实时纤维束成像可以即时调整参数和详细探索连接，这在计算上效率低下，并且受限于离线方法。为了针对大脑结构连接，特别是在基于网络的治疗（如重度抑郁症）中，需要一种基于实时纤维束成像的神经导航解决方案来解释每个人独特的大脑连接。这项工作的目的是开发一种实时纤维束成像辅助 TMS 神经导航系统并研究其可行性。我们提出了一个模块化框架，使用并行传输方法将扩散 MRI 数据的离线（准备）分析与在线（实时）概率纤维束成像无缝集成。对于纤维束成像和神经导航，我们分别结合了我们的开源软件 Trekker 和 InVesalius。我们使用合成数据和四名健康志愿者的 MRI 扫描来评估我们的系统，这些数据和扫描数据是通过多壳高角分辨率扩散成像协议获得的。通过比较流线计数和重叠与基于一亿条流线滤波的离线纤维束成像结果来研究四个主要 TMS 目标，评估了我们的在线方法的可行性。我们开发的实时纤维束成像辅助 TMS 神经导航系统展示了先进的纤维束成像技术，具有交互式参数调整和通过创新的不确定性可视化方法实时可视化数千条流线的功能。我们的分析表明，受试者和 TMS 目标在流线数量方面存在相当大的差异，例如，虽然在受试者 #4 的视觉皮层 (V1) 上的 TMS 目标上观察到了 15,000 条流线，但在受试者 #3 的 V1 中，没有获得流线。与离线纤维束图的重叠分析表明，实时纤维束图可以快速覆盖目标区域连接的很大一部分，通常在几秒钟内超过离线方法的覆盖范围。例如，在
纤维束成像中的瓶颈问题 - -ORCA - 卡迪夫大学
图 1 命名法。两个束，即 UF 和 IFOF，用于突出显示体素（a – e）和体素内的固定单元的分类。a 和 b 中的体素是单固定单元体素和单束体素以及单束固定单元的示例。由于 UF 和 IFOF 在体素 c 中分歧，因此这是多固定单元体素和多束体素的示例，其中一个固定单元被归类为单束固定单元，另一个被归类为多束固定单元。体素 d 突出显示 IFOF 的扇形化，这导致多固定单元体素和单束体素，并且两个固定单元都是单束固定单元。最后，IFOF 和 UF 都以相同的方向穿过体素 E，因此体素 e 是一个单方向体素，但也是一个多束体素，也是一个多束固定体素。这个固定体素，以及这个体素，代表了纤维束成像的瓶颈