概要: 拡散MRIの微細構造フィッティングは非凸であり、しばしばボクセルごとに行われるため、狭い交差におけるファイバピークの回復が制限されます。本研究ではPRISMを提案します。PRISMは微分可能な分析・合成（analysis-by-synthesis）フレームワークであり、空間パッチ全体にわたって陽的な多コンパートメントの順モデルをエンドツーエンドで適合させます。このモデルは、脳脊髄液（CSF）、灰白質、最大K本の白質ファイバコンパートメント（スティック状およびゼッペリン状）、および制限付きコンパートメントを組み合わせ、陽的なファイバ方向と、反発（repulsion）および疎性（sparsity）の事前分布によるソフトなモデル選択を行います。PRISMは高速なMSE目的関数と、σをオラクル情報なしで同時に学習するリシアン（Rician）の負の対数尤度（NLL）をサポートします。頑健性のための軽量な外乱（nuisance）キャリブレーションモジュール（滑らかなバイアスフィールドおよび各測定ごとのスケール／オフセット）を含め、クリーンデータでのテストでは同一性（identity）に正則化します。合成の交差ファイバデータ（SNR=30；5手法、16の交差角）では、PRISMは最良一致の角度誤差で3.5度、再現率95%を達成し、最良のベースライン（MSMT-CSD、6.8度、再現率83%）より1.9倍低い誤差となります。NLLモードで学習したσでは、誤差は2.3度まで低下し、再現率99%となり、交差角20度までを解決できます。DiSCo1ファントム（NLLモード）では、PRISMは4つのトラッキング角すべてにおいてCSDベースラインよりも結合性（connectivity）の相関を改善します（最良r=.934：25度、MSMT-CSDは.920）。全脳のHCPフィッティング（約741kボクセル、MSEモード）は、単一GPU上で約12分で完了し、ランダムシード間でほぼ同一の結果が得られます。
PRISM：拡散MRIにおけるフィクセル回復のための、微分可能な分析-by-シンセシス
arXiv cs.CV / 2026/4/2
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- PRISMは、空間パッチ上で明示的なマルチコンパートメントのフォワードモデルをエンドツーエンドで当てはめる、拡散MRIの微細構造フィッティングのための微分可能な分析-by-シンセシス（analysis-by-synthesis）フレームワークを提案し、狭い交差におけるファイバピークの回復をより良く行います。
- この手法は、CSF（脳脊髄液）、灰白質、さらに最大K本の白質ファイバコンパートメント（stick-and-zeppelin）と、制限付きコンパートメントを、明示的なファイバ方向と、反発および疎性の事前（prior）に導かれるソフトなモデル選択を用いてモデル化します。
- PRISMは、迅速なMSE目的関数と、ノイズ分散σをオラクルなしで同時に学習するRician負の対数尤度（negative log-likelihood）目的関数の両方をサポートし、交差ファイバのシナリオで精度を向上させます。
- 合成データ（SNR=30）での実験では、PRISMは最良マッチ角誤差を3.5°、再現率95%（MSMT-CSDより1.9×改善）まで低減し、NLLモードではさらに2.3°、再現率99%まで改善することで、交差角20°まで信頼性よく解像できることが示されます。
- DiSCo1ファントムおよび全脳HCPフィッティングでは、PRISMはCSDベースラインに比べて連結性の相関を改善し、ランダムシード間でもほぼ同一の結果を達成します。全脳処理（約741kボクセル）では、単一GPUで約12分です。
