定量生物学 > 定量方法
[提交于 2025年7月12日
]
标题: AGFS-Tractometry:一种新的基于图谱的细粒度纤维追踪方法,用于利用扩散MRI纤维追踪进行沿纤维的组统计比较
标题: AGFS-Tractometry: A Novel Atlas-Guided Fine-Scale Tractometry Approach for Enhanced Along-Tract Group Statistical Comparison Using Diffusion MRI Tractography
摘要: 扩散磁共振成像(dMRI)纤维追踪目前是唯一一种用于在体映射大脑白质(WM)连接的方法。 纤维追踪分析技术(Tractometry)是一种先进的纤维追踪分析技术,用于沿纤维轨迹的特征分析,以研究纤维轨迹上的形态和微观结构特性。 纤维追踪分析已经成为研究不同群体(例如,健康与疾病)之间局部沿轨迹差异的重要工具。 在本研究中,我们提出了一种新的基于图谱引导的细尺度纤维追踪分析方法,即AGFS-Tractometry,该方法利用纤维空间信息和置换检验来增强群体之间的沿轨迹统计分析。 AGFS-Tractometry有两个主要贡献。 首先,我们创建了一个新的基于图谱引导的纤维轨迹特征模板,该模板能够实现受试者特定纤维轨迹的一致性、细尺度沿轨迹分割。 其次,我们提出了一种新的非参数置换检验群体比较方法,以实现在所有沿轨迹分割区域的同时分析,同时校正多重比较。 我们在具有已知群体差异的合成数据集和在体真实数据上进行了实验评估。 我们将AGFS-Tractometry与两种最先进的纤维追踪分析方法进行了比较,包括自动纤维轨迹量化(AFQ)和BUndle ANalytics(BUAN)。 我们的结果表明,所提出的AGFS-Tractometry在检测局部白质差异方面具有更高的敏感性和特异性。 在真实数据分析实验中, AGFS-Tractometry可以识别出更多具有显著差异的区域,这些区域在解剖学上与现有文献一致。 总体而言,这些结果展示了AGFS-Tractometry检测细微或空间局部化白质群体水平差异的能力。 创建的纤维特征模板和相关代码可在以下地址获取:https://github.com/ZhengRuixi/AGFS-Tractometry.git.
当前浏览上下文:
eess.IV
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.