SIFT：トラクトグラムの球状分解の情報に基づいたフィルタリング

拡散MRIは、脳全体の構造的接続性（「トラクトグラム」）を、striemlineトラクトグラフィーを使用して非侵襲的にin vivoで推定できるようにします。ただし、これらのデータセットの生物学的精度は、再構築方法に関連する固有のバイアスによって制限されます。ここでは、これらの再構築の精度を遡及的に改善する方法を提案します。これにより、トリュララインの再構成と基礎となる拡散画像の間の適合を改善する方法でトラクトグラムからの流線を選択的に除外します。このフィルタリングは、拡散信号の球状のデコンボリューションの結果によって導かれます。したがって、頭字語Sift：球状分解の情報に基づいたトラクトグラムのフィルタリング。このアルゴリズムによって処理されたデータセットは、既知の再構築バイアスの著しい削減と生物学的妥当性の向上を示しています。拡散MRIの新たな方法、特に脳の構造的接続性を特徴付けて比較することを目的とする方法は、再建の精度の向上から利益を得る必要があります。

Diffusion MRI allows the structural connectivity of the whole brain (the 'tractogram') to be estimated in vivo non-invasively using streamline tractography. The biological accuracy of these data sets is however limited by the inherent biases associated with the reconstruction method. Here we propose a method to retrospectively improve the accuracy of these reconstructions, by selectively filtering out streamlines from the tractogram in a manner that improves the fit between the streamline reconstruction and the underlying diffusion images. This filtering is guided by the results of spherical deconvolution of the diffusion signal, hence the acronym SIFT: spherical-deconvolution informed filtering of tractograms. Data sets processed by this algorithm show a marked reduction in known reconstruction biases, and improved biological plausibility. Emerging methods in diffusion MRI, particularly those that aim to characterise and compare the structural connectivity of the brain, should benefit from the improved accuracy of the reconstruction.