Прошел семинар, посвященный алгоритмам трактографии

28 января мы обсудили исследования по сравнению алгоритмов трактографии, проводимые в Университете Южной Калифорнии под руководством Пола Томпсона. В частности, в общих чертах разобрали работу девяти различных алгоритмов трактографии и обсудили влияние выбора алгоритма на дальнейшее построение коннектомов. Мы также сравнили качество классификации (различение нормы и болезни Альцгеймера) на коннектомах, построенных с использованием различных алгоритмов трактографии. Наконец, обсудили подход, объединяющий результаты работы различных алгоритмов и дающий существенный прирост качества классификации с точки зрения площади под ROC-кривой.

Мы успели обсудить следующие вещи:

1. В общих чертах устройство девяти алгоритмов трактографии: тензорных — FACT, RK2, TL, SL; основанных на Orientation Distribution Function — FACT, RK2; вероятностных — PICo, Hough и Probtrackx. Подробнее про них мы поговорим в один из следующих семинаров

2. Разобрали статью “Comparison of nine tractography algorithms for detecting abnormal structural brain networks in Alzheimer’s disease" (Zhan et al., 2015), где сравнивается предсказательная сила коннектомов на основе каждого из девяти упомянутых выше алгоритмов в задачах попарного различения болезни Альцгеймера, нормы и умеренных когнитивных нарушений (mild cognitive impairement). С точки зрения этой статьи универсально оптимального метода нет.

3. Разобрали статью “Discriminative fusion of multiple brain networks for early mild cognitive impairment detection" (Wang et al., препринт), в которой показывается, как выпуклая сумма коннектомов на основе девяти различных алгоритмов улучшает качество различения нормы и умеренных когнитивных нарушений с 0.66 у лучшего отдельного коннектома до 0.89 на выпуклой комбинации (в качестве метрики качества классификации используется площадь под ROC-кривой).

4. Разобрали, как величина магнитного поля влияет на характеристики получаемых коннектомов на основе статьи “Magnetic Resonance Field Strength Effects on Diffusion Measures and Brain Connectivity Networks” (Zhang et al., 2012). Краткий вывод: поле в 7Т лучше, чем 3Т, ловит плотности некоторых связей, но нужны дальнейшие исследования на эту тему. Важный момент: статья относительно старая — 2012 год.

5. Разобрали, как пространственное и угловое разрешение влияют на характеристики получаемых коннектомов на основе статьи “How do spatial and angular resolution affect brain connectivity maps from diffusion MRI” (Zhang et al.). Согласно авторам, от увеличения вокселей/уменьшения числа углов страдают в первую очередь "тонкие" связи.

 
Докладывали Дмитрий Петров и Юлия Додонова