通过弥散 MRI 解耦微观结构与介观结构：一种贝叶斯方法

弥散敏感磁共振成像可探测人脑的细胞结构，但主要的微观结构信息会在对更高级别的介观组织结构（如神经纤维的不同走向）进行平均化处理时丢失。虽然由于成像分辨率有限，这种平均化不可避免，但我们提出了一种将微观细胞特性与介观结构影响解耦的方法。我们进一步摒弃了传统的拟合范式，利用基于贝叶斯估计器的监督机器学习来估计微观结构特性。该方法能够找出给定微观结构模型的可检测参数并在数秒内完成计算，这使其适用于广泛的神经科学应用。