태아 뇌의 해부학적으로 제약된 경로 추적

확산 강조 자기 공명 영상(dMRI)은 자궁 내에서 태아 뇌를 연구하는 데 점점 더 많이 사용되고 있습니다. dMRI가 가능하게 하는 중요한 계산인 스트림라인 경로 추적은 뇌 백질의 경로 특정 분석 및 구조적 연결성 평가와 같은 독특한 응용 프로그램을 가지고 있습니다. 그러나 낮은 태아 dMRI 데이터 품질과 경로 추적의 도전적인 특성으로 인해 기존 방법들은 상당히 부정확한 결과를 생성하는 경향이 있습니다. 이들은 주요 백질 경로를 구성하는 스트림라인을 재구성하는 데 실패하면서 많은 잘못된 스트림라인을 생성합니다. 이 논문에서는 dMRI 공간에서 태아 뇌 조직을 정확하게 세분화하여 해부학적으로 제약된 경로 추적을 옹호합니다. 우리는 세분화를 자동으로 계산하기 위해 딥 러닝 방법을 개발합니다. 독립 테스트 데이터에 대한 실험 결과, 이 방법이 태아 뇌 조직을 정확하게 세분화하고 경로 추적 결과를 극적으로 개선할 수 있음을 보여줍니다. 이것은 시각 방사선과 같은 고도로 구부러진 경로의 재구성을 가능하게 합니다. 중요하게도, 우리의 방법은 dMRI 데이터에 적합한 확산 텐서에서 조직 세분화와 스트림라인 전파 방향을 추론하여 일상적인 태아 dMRI 스캔에 적용 가능하게 만듭니다. 제안된 방법은 dMRI를 사용하여 태아 뇌 백질 경로의 연구를 촉진할 수 있습니다.