Red Neuronal Cristalina : Aplicación al procesamiento de neuroimágenes ponderadas por difusión

• Autores: Pascariello, Guido; Donnelly-Kehoe, Patricio
• Año de publicación: 2020
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Ciencias Informáticas; Imágenes por difusión; Redes neuronales artificiales; Arquitectura de Red Cristalina; Conectividad cerebral; Diffusion weighted image (DWI); Artificial neural networks; Crystal network architecture; Brain connectivity
• Institución: Universidad Nacional de La Plata

Las imágenes por difusión son un tipo de imágenes por resonancia magnética especialmente sensibles a la dirección de difusión de las moléculas de agua. Utilizándolas es posible determinar el movimiento de dichas moléculas en base a modelos biofísicos. Esta es una técnica muy utilizada para estudiar la microestructura del tejido nervioso y la conectividad cerebral.En este artículo presentamos un nuevo modelo de difusión, inspirado en las redes neuronales artificiales, que propone una arquitectura de red cristalina. Se presenta el modelo junto a una propuesta de método para ajustarlo. Para evaluar el desempeño se desarrollaron pruebas sobre fantomas virtuales que imitan posibles disposiciones de fibras nerviosas. El modelo propuesto convergió en el ajuste sobre los fantomas y mostró potencial para resolver disposiciones que otros modelos estándares de difusión no pueden, como cruces y curvas en las fibras.
Diffusion weighted imaging is a magnetic resonance technique especially sensitive to the water molecular diffusion. By fitting biophysical models to the acquired data is possible to describe the regional direction of the water movement. This technique is widely used to study the nervous tissue microstructure and brain connectivity. We present a new diffusion model, inspired by artificial neural networks, but using a crystalline architecture. The model is presented in addition with a fitting method. To evaluate its performance, we performed several tests on virtual phantoms which mimic probable nerve fiber layouts.The model performed well on phantoms data and showed potential to resolve fiber dispositions better that other standard diffusion models, such as crosses and curves in fibers path.
Sociedad Argentina de Informática e Investigación Operativa