Resumen

La resonancia magnética con tensor de difusión (DTMRI), como modalidad no invasiva que proporciona información anatómica in vivo, permite determinar las conexiones de fibras, lo que conduce a la cartografía cerebral. El éxito de la DTMRI depende en gran medida del algoritmo, y su verificación es de gran importancia debido a la limitada disponibilidad de un patrón oro en la literatura. En este estudio, se emplea una clase de red neuronal artificial no supervisada, a saber, los mapas autoorganizativos, para descubrir los tractos de fibras subyacentes. Se utiliza un recurso común de tensor de difusión artificial, denominado "imágenes fantasma para simular errores de tractografía" (PISTE), para verificar la precisión y la aceptabilidad del enfoque propuesto. Se investigan cuatro geometrías de tracto diferentes con distintos SNR y anisotropía fraccional. El método propuesto, SOFMAT, es capaz de definir con éxito las trayectorias predeterminadas de las fibras con una desviación estándar de (0,8-1,9) × 10-3 dependiendo de la trayectoria y del valor de SNR seleccionado. Los resultados ilustran la capacidad de SOFMAT para reconstruir configuraciones complejas de trazados de fibras. La capacidad de SOFMAT para detectar trayectorias de fibras en regiones de baja anisotropía, que fisiológicamente pueden corresponder tanto a materia gris como a patología (anormalidad) y áreas de incertidumbre en datos reales, es una ventaja del método para futuros estudios.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:sofmat, trazados de fibras, recurso común de tensor de difusión artificial, configuraciones complejas de trazados de fibras, clase de red neuronal artificial no supervisada, diferentes geometrías de trazados, regiones de baja anisotropía, imágenes por resonancia magnética, información anatómica en vivo, dtmri
• Keywords:sofmat, fiber paths, common artificial diffusion tensor resource, complex fiber tract configurations, unsupervised artificial neural network class, different tract geometries, low anisotropy regions, magnetic resonance imaging, vivo anatomical information, dtmri