Li, S., Zhang, W., Yao, S., He, J., Zhu, C., Gao, J., Xue, T., Xie, G., Chen, Y., Torio, E. F., Feng, Y., Bastos, D. C. A., Rathi, Y., Makris, N., Kikinis, R., Bi, W. L., Golby, A. J., O’Donnell, L. J., & Zhang, F. (2024). Tractography-based automated identification of the retinogeniculate visual pathway with novel microstructure-informed supervised contrastive learning. In bioRxiv (p. 2024.01.03.574115). https://doi.org/10.1101/2024.01.03.574115
基于纤维束成像的新型微结构信息引导的监督对比学习，自动识别视网膜丘视觉通路。
https://github.com/SlicerDMRI/DeepRGVP
摘要
视网膜膝状体视觉通路 （RGVP） 负责将视觉信息从视网膜传递到膝状外侧核。RGVP的识别和可视化对于研究视觉系统的解剖结构非常重要，并且可以为相关脑部疾病的治疗提供信息。弥散 MRI （dMRI） 束成像是一种先进的成像方法，它能够独特地对 RGVP 的 3D 轨迹进行体内映射。目前，从束影数据中识别 RGVP 依赖于专家（手动）选择束影流线，这既费时又费时，临床和专家劳动力成本高，并且受观察者间变异性的影响。在本文中，我们提出了一种新颖的深度学习框架 DeepRGVP，以便能够从 dMRI 束影数据中快速准确地识别 RGVP。我们设计了一种新颖的微观结构知情监督对比学习方法，该方法利用简化的标记和组织微观结构信息来确定正负对。我们提出了一种简单而成功的流线级数据增强方法来解决高度不平衡的训练数据，其中 RGVP 流线的数量远低于非 RGVP 流线。我们与几种专为束状成像包裹而设计的最先进的深度学习方法进行了比较，并使用 DeepRGVP 展示了卓越的 RGVP 识别结果。此外，我们证明了 DeepRGVP 对垂体瘤神经外科患者的 dMRI 牵引图数据的良好泛化性，并且我们表明 DeepRGVP 可以成功识别 RGVP，尽管病变会影响 RGVP。 总体而言，我们的研究表明使用深度学习自动识别 RGVP 的巨大潜力。