TractoRC: 統一的確率的学習フレームワークによる結合トラクトグラフィー登録とクラスタリング

拡散 MRI トラクトグラフィーは、生体内で白質経路の再構成を可能にする。トラクトグラフィー解析の二つの主要タスクは、1) 個体間でストリームラインを整列させるトラクトグラム登録、2) ストリームラインを寄り集まったファイバー束へグループ化するストリームラインクラスタリングである。両タスクは幾何学的に類似した構造を捉え、一貫した白質組織を特徴づけるという共通の目的を共有しているものの、通常は独立して実行される。本研究では、TractoRC を提案する。単一の最適化スキーム内でトラクトグラム登録とストリームラインクラスタリングを同時に行う統一的確率的フレームワークであり、二つのタスクが相補情報を活用できるようにする。TractoRC は、ストリームライン点の潜在埋め込み空間を学習し、それを両タスクの共有表現として機能させる。この空間内で、両タスクは構造表現に対する確率的推論として定式化される。登録は被験者間でトラクトグラムを整列させるための確率的キーポイントとして解剖学的ランドマークの分布を学習し、クラスタリングは幾何学的類似性を捉えるストリームラインの構造的プロトタイプを学習して、整合性のあるストリームラインクラスタを形成する。この共有空間を効果的に学習するため、幾何学情報を意識し、変換に対して不変な埋め込みを学習する変換等価性を備えた自己教師付き戦略を導入する。実験では、登録とクラスタリングを同時に最適化することが、これらを独立に扱う最先端法よりも両タスクの性能を顕著に改善することを示した。コードは https://github.com/yishengpoxiao/TractoRC で公開される予定である。