Diffusionstensor-Bildgebung (DTI) liefert entscheidende Einblicke in die
Mikrostruktur des menschlichen Gehirns, Die Beschaffung kann jedoch zeitaufwändig sein
im Vergleich zu leichter verfügbaren T1-gewichteten (T1w) Magnetresonanztomographie
(MRT). Um diese Herausforderung anzugehen, Wir schlagen ein Diffusionsbrückenmodell für 3D vor
Übersetzung von Gehirnbildern zwischen T1w-MRT- und DTI-Modalitäten. Unser Modell lernt es
erzeugen eine qualitativ hochwertige fraktionierte DTI-Anisotropie (FA) Bilder aus T1w-Bildern und
umgekehrt, Ermöglicht eine modalitätsübergreifende Datenerweiterung und verringert den Bedarf dafür
umfangreiche DTI-Akquise. Wir bewerten unseren Ansatz perzeptiv
Ähnlichkeit, Vereinbarung auf Pixelebene, und Verteilungskonsistenzmetriken,
zeigt starke Leistungen bei der Erfassung anatomischer Strukturen und
Bewahrung von Informationen über die Integrität der weißen Substanz. Der praktische Nutzen der
Synthetische Daten werden durch Geschlechtsklassifizierung und Alzheimer-Krankheit validiert
Klassifizierungsaufgaben, wo die erzeugten Bilder eine vergleichbare Leistung erzielen
zu realen Daten. Unser Diffusionsbrückenmodell bietet eine vielversprechende Lösung für
Verbesserung von Neuroimaging-Datensätzen und Unterstützung der klinischen Entscheidungsfindung, mit
das Potenzial, die Neuroimaging-Forschung und -Klinik erheblich zu beeinflussen
üben.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: