Online agglomerative hierarchical clustering of neural fiber tracts.
Online agglomerative hierarchical clustering of neural fiber tracts.
复制标题
神经纤维束的在线凝聚层次聚类。
DOI：
10.1109/embc.2013.6609443
复制
发表时间：
2013
期刊：
影响因子：
--
通讯作者：
Cetingül,HErtan
中科院分区：
文献类型：
--
作者：
Demir,Ali;Mohamed,Ashraf;Cetingül,HErtan
我们考虑的问题，通过纤维束成像弥散MRI数据产生的神经纤维通路，成不同的束。现有的聚类方法往往遭受的负担，计算成对的纤维（不）的相似性，这升级成二次方的纤维路径的数量增加。为了解决这一挑战，我们采用的情况下，聚类数据流到纤维聚类框架。具体来说，我们建议使用一个在线的层次聚类方法，它产生一个框架类似于做聚类，同时进行纤维束成像。我们通过仿真和真实的扩散MRI数据的实验来评估所提出的方法。在体模数据上的实验评估了我们的方法对初始化的敏感性，并与其他方法相比显示了其上级性能。在真实的数据上的实验证明了将选择的白色物质纤维束聚类成解剖学上一致的束的准确性。
We consider the problem of clustering neural fiber pathways, produced from diffusion MRI data via tractography, into different bundles. Existing clustering methods often suffer from the burden of computing pairwise fiber (dis)similarities, which escalates quadratically as the number of fiber pathways increases. To address this challenge, we adopt the scenario of clustering data streams into the fiber clustering framework. Specifically, we propose to use an online hierarchical clustering method, which yields a framework similar to doing clustering while simultaneously performing tractography. We evaluate the proposed method through experiments on phantom and real diffusion MRI data. Experiments on phantom data evaluate the sensitivity of our method to initialization and show its superior performance compared with alternative methods. Experiments on real data demonstrate the accuracy in clustering selected white matter fiber tracts into anatomically consistent bundles.