Frontiers in Neuroimaging：神经影像数据分析技术最新进展_

Frontiers in Neuroimaging：神经影像数据分析技术最新进展

brainnews编辑部brainnews

神经影像数据分析中的深度学习：

应用、挑战和解决方案

自从神经科学作为一门科学学科开始以来，神经影像数据的分析方法取得了显著进步。今天，复杂的统计程序和软件使我们能够检查复杂的多变量模式，但是这其中的大多数方法仍然受到神经过程固有线性假设的限制。在本篇综述中，我们讨论一种称为深度学习的机器学习方法，深度学习方法近年来在神经科学领域内外引起了广泛关注，并有可能超越上述线性假设的限制。

图1.单变量、多变量和深度学习方法的比较

在本项综述中，我们首先描述和解释了深度学习中的一些基本概念，例如允许深度模型学习的结构和计算操作。之后，我们转向介绍深度学习在神经影像数据分析中最常见的应用：结果预测、内部表示的解释、合成数据的生成和分割。在后续部分中，我们还介绍了深度学习带来的一些问题，涉及数据的多维性和多模态、过拟合和计算成本等，并提出可能的解决方案。

最后，我们讨论了深度学习在神经影像数据分析的所有常见应用中的有效使用范围，我们思考了多模态的前景、处理原始数据的能力和高级可视化策略。此外，我们讨论了使用迄今为止被忽略的可进行研究的结构的可能性，或者/和转向框架的可能性，例如RDoC、迁移学习的潜力和合成数据的生成。

图2.不同网络类型

参考文献：AvberšekL K, Repovš G. Deep Learning in Neuroimaging Data Analysis:Applications, Challenges and Solutions[J]. Frontiers in Neuroimaging,44.

基于对比度和纹理的图像修改对

U-Net模型脑组织分割性能和注意力转移的影响

在训练或测试期间参照的图像对比度和纹理，可以提高深度学习分割方法在医学图像分析中的泛化性能。在这项研究中，我们使用受控实验设置、来自Human Connectome 项目的数据集和大量模拟MR协议来研究这种现象，以减轻数据混杂因素，并调查在应用不同级别时模型性能为何会发生变化的可能，解释基于对比度和纹理的图像修改。

图3 数据集构建过程。

我们的实验证实了先前关于在训练和/或测试期间采用对比度和纹理修改的模型的性能改进的发现，但进一步显示了当这些操作结合时的相互作用，以及模型改进/跨扫描参数的机制。此外，我们的研究结果证明了训练模型的空间注意力转移现象，发生在不同级别的模型性能中，并且与应用的图像修改类型相关。

图4.灰质分割结果（顶部）、显著性图（中）和显著差异图（底部）

参考文献：YouS, Reyes M. Influence of Contrast and Texture based ImageModifications on the Performance and Attention Shift of U-Net Modelsfor Brain Tissue Segmentation[J]. Frontiers in Neuroimaging, 45.

使用组织学研究细胞结构对

弥散MRI灰质测量的贡献

尸检研究目前被认为是在细胞水平上研究大脑结构的黄金标准。但是，为了进一步研究人类发育、衰老或疾病治疗背景下的活体细胞变化，更需要借助非侵入性在体成像方法，如弥散MRI（diffusionMRI, dMRI）的支持。然而，dMRI对于细胞的测量只是间接测量，而灰质（graymatter,GM）一直被认为缺乏测量的敏感性，因此需要在灰质中进一步验证其对潜在细胞结构的敏感性。在这项研究中，我们对相同的四只恒河猴种在体dMRI测量获取的图像和获得的脑组织进行了直接比较。

图5.dMRI和T1加权扫描的预处理和分析流程。

使用dMRI数据计算了扩散张量成像的分数各向异性（FA），纤维束追踪（Trace）的平均值和异质性，均方位移（MSD）以及双指数模型的返回原点概率几个指标。并将dMRI测量获取的指标与细胞面积密度的区域平均值和异质性的相应组织学测量进行比较。

图6.皮层和皮层下区域的感兴趣区。

比较的结果表明，纤维束追踪的平均值和异质性指标，以及MSD测量对潜在的细胞结构（例如细胞面积密度）比较敏感，并可以捕获细胞组成和组织的不同方面的细节。因此，我们的研究进一步证明了纤维束追踪和MSD在未来研究中作为非侵入性成像生物标志物是有价值的，未来的研究可以借用该方法技术进一步调查与发育和衰老相关的转基因细胞结构变化，以及临床研究中的异常细胞病理。

参考文献：BaxiM, Cetin Karayumak S, Papadimitriou G, et al. Investigating theContribution of Cytoarchitecture to Diffusion MRI measures in GrayMatter using Histology[J]. Frontiers in Neuroimaging, 28.