针对特定流线纤维束成像的多维参数空间探索
Multi-dimensional Parameter Space Exploration for Streamline-specific Tractography
AI总结：
本文针对纤维束成像参数选择难题，利用特定流线参数（SSP）探索多维参数空间，在合成数据上验证逐流线概率追踪，并在真实数据上分析流线接受模式，揭示 SSP 的附加价值。
摘要：
纤维束成像中一个未被明说的挑战是为给定数据集或纤维束选择合适的参数。为应对这一挑战，我们使用特定流线参数（SSP）探索纤维束成像的多维参数空间。我们：1）在合成数据上验证一种采用逐流线参数的先进概率追踪方法；2）利用真实世界数据，通过聚焦流线接受来展示如何获得对参数空间的洞察。我们通过展示 SSP 如何用于揭示参数空间中的模式，证明了 SSP 对当前纤维束成像水平的潜在附加价值。
英文摘要：
One of the unspoken challenges of tractography is choosing the right parameters for a given dataset or bundle. In order to tackle this challenge, we explore the multi-dimensional parameter space of tractography using streamline-specific parameters (SSP). We 1) validate a state-of-the-art probabilistic tracking method using per-streamline parameters on synthetic data, and 2) show how we can gain insights into the parameter space by focusing on streamline acceptance using real-world data. We demonstrate the potential added value of SSP to the current state of tractography by showing how SSP can be used to reveal patterns in the parameter space.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
