从全切片组织病理图像到ADC图：利用神经算子的快速扩散MRI模拟

背景与目的：基于组织微观结构对扩散 MRI 信号进行模拟是定量成像中的一个基础问题，因为这使得研究细胞结构如何影响测量信号成为可控的过程。然而，在临床相关尺度上开展基于物理的模拟具有挑战性，原因在于成像与组织学之间存在尺度失配：临床扩散 MRI 覆盖厘米尺度的视野和毫米尺度的体素，而组织学则能够分辨微米尺度的结构。因此，捕获逐体素的信号形成过程需要在异质性微观结构上进行重复模拟，这在经典求解器中会带来高昂的计算和内存开销。我们提出了一种神经算子框架，通过一次性学习局部微观结构—信号映射，并将其应用于大范围组织区域，从而摊销这一成本。 方法：我们在基于有限元模拟的组织学来源细胞分割数据上训练傅里叶神经算子，以根据扩散率图和渗透率图预测磁化场。该模型被嵌入一种子域平铺策略中，从而能够在整张组织切片组织学图像上实现可扩展推理。不同于大多数传统模拟流程，推理过程直接在由细胞分割得到的规则网格上运行，无需构建网格剖分。 结果：所提出的框架能够在跨度为 28.224 mm × 18.144 mm 的二维肝脏组织学图像上模拟表观扩散系数图。与基于 CPU 的有限元模拟相比，其加速比超过 2,600 倍，将运行时间从估算的 217 天缩短至不足 2 小时。在高扩散加权条件下，该网络的平均相对信号误差为 0.34%–0.43%，在低扩散加权条件下为 0.03%，最大误差低于 5%。在形态学变异性更大的手动分割数据集上，平均误差略有上升至 1.37%–1.79%。 结论：神经算子通过将高代价的基于物理的计算摊销为可在局部子域上重复应用的算子，实现了计算上切实可行、无网格剖分的扩散 MRI 模拟。这使得大尺度、基于组织学的扩散 MRI 建模在保持高精度的同时成为可能。

从全切片组织学到 ADC 图：利用神经算子的快速扩散 MRI 模拟 | bioRxiv

跳转至主要内容 首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 最新结果

从全切片组织学到 ADC 图：利用神经算子的快速扩散 MRI 模拟

Iris A. Kohler， Oliver Goedicke， Tristan A. Kuder， Mark E. Ladd， Juergen Hesser

doi： https://doi.org/10.64898/2026.07.22.740029

Iris A. Kohler 1 海德堡大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者 Iris A. Kohler 的 ORCID 记录

通讯作者： iris.kohler{at}medma.uni-heidelberg.de

Oliver Goedicke 2 德国癌症研究中心 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者

Tristan A. Kuder 2 德国癌症研究中心 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者 Tristan A. Kuder 的 ORCID 记录

Mark E. Ladd 2 德国癌症研究中心 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者 Mark E. Ladd 的 ORCID 记录

Juergen Hesser 1 海德堡大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者 Juergen Hesser 的 ORCID 记录

摘要 信息/历史 指标 预览 PDF

摘要

背景与目的：基于组织微结构模拟扩散 MRI 信号是定量成像中的一个基础问题，因为它能够在受控条件下研究细胞结构如何影响测量信号。然而，在临床相关尺度上进行基于物理的模拟具有挑战性，其原因在于成像与组织学之间存在尺度失配：临床扩散 MRI 的视野范围为厘米尺度、体素大小为毫米尺度，而组织学能够分辨微米尺度的结构。因此，捕获逐体素的信号形成过程需要在异质性微结构上重复进行模拟，这使得经典求解器在计算和内存方面都代价高昂。我们提出了一种神经算子框架，通过一次性学习局部微结构—信号映射，并将其应用于大范围组织区域，从而分摊这一计算成本。

方法：我们在基于有限元模拟的、由组织学导出的细胞分割数据上训练傅里叶神经算子，以根据扩散率图和通透性图预测磁化场。该模型被嵌入一种子域平铺策略中，从而能够在整张切片组织学图像上实现可扩展推理。不同于大多数传统模拟流程，推理过程直接在由细胞分割得到的规则网格上运行，无需进行网格剖分。

结果：所提出的框架能够在覆盖 28.224 mm × 18.144 mm 的二维肝脏组织学图像上模拟表观扩散系数图。与基于 CPU 的有限元模拟相比，该框架实现了超过 2,600 倍的加速，将运行时间从预计的 217 天缩短至 2 小时以内。在高扩散加权条件下，该网络产生的平均相对信号误差为 0.34%–0.43%，在低扩散加权条件下为 0.03%，且最大误差低于 5%。在具有更大形态学变异性的人工分割数据集上，平均误差略有增加，达到 1.37%–1.79%。

结论：神经算子通过将代价高昂的基于物理的计算摊销为可在局部子域间重复应用的可复用算子，实现了计算上切实可行的、无网格的扩散 MRI 模拟。这使得大规模基于组织学的扩散 MRI 建模在保持高精度的同时成为可能。

利益冲突声明 已声明的资助信息 CZS 海德堡基于模型人工智能倡议（MBAI） ，P2021-02-001 巴登-符腾堡州科学、研究与艺术部（MWK）和德国研究基金会（DFG） ，INST 35/1503-1 FUGG

版权 本预印本的。 其依据 CC-BY 4.0 国际许可协议 提供。

返回顶部 上一页 下一页

发布于 2026 年 7 月 27 日。 下载 PDF 电子邮件

感谢您有兴趣帮助传播 bioRxiv。 您的电子邮件 * 您的姓名 * 发送至 * 输入多个地址时，请分行填写或用逗号分隔。

您将通过电子邮件发送以下内容 从全切片组织学到 ADC 图谱：基于神经算子的快速扩散 MRI 模拟

消息主题 （您的姓名）已从 bioRxiv 转发了一个页面给您

消息正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人消息

验证码 此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。

分享 从全切片组织学到 ADC 图谱：基于神经算子的快速扩散 MRI 模拟

Iris A. Kohler ，Oliver Goedicke ，Tristan A. Kuder ，Mark E. Ladd ，Juergen Hesser

bioRxiv 2026.07.22.740029； doi： https://doi.org/10.64898/2026.07.22.740029

分享本文： 复制

引文工具 从全切片组织学到 ADC 图谱：基于神经算子的快速扩散 MRI 模拟

Iris A. Kohler ，Oliver Goedicke ，Tristan A. Kuder ，Mark E. Ladd ，Juergen Hesser

bioRxiv 2026.07.22.740029； doi： https://doi.org/10.64898/2026.07.22.740029

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.22.740029v1?rss=1

🏷️ 扩散MRI 神经算子 傅里叶神经算子 组织病理图像 ADC图 有限元模拟